一种舰载雷达健康管理系统设计方法及实现

洪 畅,翟栋梁,丁志辉,沈 洋

(中国船舶集团有限公司第八研究院,南京 211153)

0 引 言

为了能够适应日益严苛的作战环境,雷达的复杂度和集成度越来越高,功能更加复杂,性能也不断提升。相应地,雷达的组成模块数量庞大、种类繁多,且各模块之间故障耦合性高,因而对其运行可靠性和自主保障能力的要求也越来越高[1]。健康管理(Prognostic and Health Management,PHM)技术是实现武器装备基于状态的维修、智能维护、自主式保障、感知与响应后勤等新思想、新方案的关键技术之一,目前已受到欧美军事强国的高度重视并被推广应用,正在成为新型武器装备研制设计和使用过程中的重要组成部分[2]。

舰载雷达作为一种大型复杂的电子信息系统,不同型号的系统组成、工作体制、执行任务等差异较大。本文设计一种能够适应不同雷达特点,并快速构建和部署的健康管理系统,使设计过程聚焦于舰载雷达健康管理模型的构建,而无须关心具体的实现方法,能够降低健康管理系统的复杂度和设计周期,且具有易维护升级的优点。

1 健康管理技术研究现状

国外PHM技术主要应用于军事领域,且产品成熟度高,目前已成功部署于诸多先进武器装备,能够有效提高战备效能评估,其自主保障能力在国外多型装备上得到验证,如美国“宙斯盾”驱逐舰的战备装备测试系统(ORTS)、美国海军舰船综合状态评估系统(ICAS)、F-35战机的PHM系统、“阿帕奇”直升机的健康状态与使用监控系统(HUMS)、航天器的综合健康管理系统(IVHM)等[3]。从PHM系统设计标准来看,国外包括ISO、IEEE和OSA等在内的标准化机构针对PHM技术形成了一系列规范标准,涵盖了PHM技术需求分析、功能设计、产品集成、性能评价和验证全过程[4]。从PHM研制平台来看,国外已经拥有多种满足不同应用场合和不同装备类型的PHM系统开发、设计和评价一体化通用平台,绝大多数PHM系统都是采用这些专业的PHM研制平台实现的,包括PHM DesignTM、SureSense、VSE-PHM、iTrend等[5]。

近年来,PHM技术在国内得到了广泛关注和高度重视,一些航空、航天、雷达、舰船等领域科研院所已经开展了一系列PHM基础理论研究和PHM系统设计,取得了显著成果。但是,由于起步较晚,相关理论研究还不够深入,在大型复杂装备健康管理应用上的成功案例并不多。在舰载雷达领域,国内PHM技术应用较迟,目前基本处于故障诊断层级,即能实时显示设备的状态信息,并进行故障诊断和隔离,尚不具备完成雷达状态评估、故障预测和提供维修决策的能力或应用还不够深入,越来越难以满足舰载雷达运行可靠性、视情维修和自主保障的需求。关于PHM技术标准,由于PHM实践经验匮乏和技术储备不够,我国目前主要借鉴国外标准规范,尚未形成完备的PHM技术标准体系。在PHM研制平台方面,国内有关科研院所和高校已经开展研究,并且在某些装备PHM系统研制中发挥了一定的作用,但是还处于初期阶段,尚未形成通用化强、成熟度高的产品。

2 舰载雷达健康管理系统设计

舰载雷达装备型号众多,各型号差异较大,系统构成复杂,故障模式众多,任务耦合度高,其健康管理系统设计要实现多区域层次化开放体系结构,对雷达进行分类分层设计,做到软件可互操作、流程可重构、信息共享、对外信息交互便捷。

2.1 总体架构设计

舰载雷达通常包括阵面、伺服、信号处理、数据处理、环控等分系统,且不同型号装备差异较大,任务侧重点也有所不同。为了适应和满足不同雷达的特点与需求,采用开发与运行分离的方法,设计一种舰载雷达健康管理系统,其总体架构以及与雷达其他子系统之间的功能层级关系如图1所示。

图1 舰载雷达健康管理系统总体架构

雷达底层软硬件是健康管理系统的数据来源,包括传感器、模块级BIT软件、分系统级BIT软件和数据库,其中分系统BIT负责收集内部各模块BIT和传感器数据,完成初步故障检测和定位,形成原始数据提交给雷达健康管理系统;数据库用于存储健康管理系统产生的各类数据,比如故障诊断结果、评估结果、发送故障时的关键参数等,此外还记录所有分系统运行状态,形成历史数据。雷达健康管理服务分为数据层、模型层、应用层3个层次。

(1)数据层

数据层包括数据获取、数据解码、数据处理和算法训练4个功能模块:数据获取模块负责接收雷达健康状态数据;数据解码模块完成原始报文解析;数据处理模块完成原始数据到模型数据的转换;算法训练模块基于历史数据生成一个性能最优的算法模型。

(2)模型层

模型层的作用是提供健康管理系统具体应用所需的模型,主要包括雷达产品结构属性、资源信息、诊断逻辑、预测算法、评估模型以及维修措施,其中结构属性完成健康管理对象的配置,包括雷达结构树及属性、故障点及故障模式、数据接收协议、频率、解析方法等;资源信息主要有备件清单、可更换单元和寿命件清单、保障单位信息等;诊断逻辑针对每个模块故障点和故障模式选择故障判据方法;预测算法用于选择故障预测时使用的算法文件;评估模型用于选择评估雷达健康状态、性能、任务可完成度的方法;维修措施用于选择故障处理的维修措施。

(3)应用层

应用层在在数据层和模型层的支撑下实现具体健康管理业务,遵从OSA-CBM标准,包括状态监测、故障诊断、状态评估、故障预测和维保决策,具备资源管理和系统管理功能:资源管理可完成对模型层中各类资源信息的管理功能,包括资源属性增加、修改和查看、备件维修状态和记录、保障单位信息管理等;系统管理负责管理健康管理系统,主要包括对用户的增加、删除和权限管理、各类数据和报告的生成与导入导出、用户操作的日志管理等。

健康管理系统设计采用B/S架构,用户通过浏览器访问健康管理服务端并提交业务请求,服务器便可以完成相应处理工作,之后再将运算结果作为响应传递给客户端。雷达健康管理系统还可以与外部系统交互,如雷达显控台、交互式电子手册和上级指挥中心等。健康管理系统将健康管理过程中的数据或处理结果发送给雷达显控台,以便提供及时的故障提示告警或实时的状态监测;健康管理系统关联交互式电子手册,发生故障后可以基于健康管理系统生成的维保决策结果,调用交互式电子手册指导后期的维修活动;健康管理系统还可以与上级指挥中心进行通信,方便指挥中心监控全部管辖装备的健康状态和后勤保障需求。

在设计和部署健康管理系统时,先对健康管理对象即雷达完成健康管理模型的构建,包括产品模型和功能模型:产品模型又分为雷达结构树、参数、属性等;功能模型包括故障模式、故障诊断方法、评估方法、预测算法、维修决策方法等;再基于生成的模型为雷达生成状态监测、故障诊断、健康状态评估和维修预测等方面的业务应用。这种设计方法将健康管理对象与业务进行逻辑分离,解除了二者之间的紧耦合关系,内部逻辑清晰,雷达健康管理模型的构建、管理、升级和加载使得系统具备快速部署、通用性强、易于维护的优势。

2.2 核心功能设计

雷达健康管理系统是对雷达的全方位智能监控和感知技术,是对传统BIT功能的全面拓展,能够实现装备的视情维修,有利于提高装备任务执行可靠性和降低装备维修费用,其核心功能包括数据获取及处理、状态监测、故障诊断、故障预测、状态评估和维修保障决策。

2.2.1 数据获取及处理

数据获取及处理是雷达健康管理系统的运行基础,雷达包含大量的电子设备和微波器件,传感器是数据的来源,各级LRU监控软件或分系统级BIT软件将表征模块运行状态的电压、电流、相位、驻波等重要参数收集起来,再通过可靠的内部总线传输至PHM系统,PHM系统接收到原始数据后对数据进行解码、提取、转换、存储等操作,形成供PHM系统使用的标准格式数据。在舰载雷达运行过程中,PHM系统不断存储运行过程中的状态信息以形成历史数据,基于长期的历史数据进行算法训练,是生成故障预测算法的数据基础。

2.2.2 状态监测

状态监测是雷达健康管理系统的初始环节,实现对舰载雷达下辖各分系统及部件运行状态的实时监控,对反映舰载雷达健康状况的重要参数进行全面监测,并通过图表等可视化方式将具体信息直观地显示给用户。舰载雷达监测参数可以分为3类:

(1)数据类信息,包括电压、电流、温度、湿度、功率、驻波、CPU使用率、内存占用率等数据,以具体采样或监测数值进行转换监测;

(2)状态类信息,包括运行状态、通信状态、程序加载状态、门开关、加电状态等,以数字(0/1)表征是或否进行监测;

(3)文字类信息,包括故障信息、备件信息、维修信息等,以自动填报或人工填报的文字表格进行监测。

2.2.3 故障诊断

故障诊断是雷达健康管理系统在传统BIT功能基础上的进一步提升。目前,BIT功能已经成熟地应用于舰载雷达各分系统,可以自动监控雷达分系统所辖各部件的运行状态,发生故障时能够自动定位并隔离故障,并且对于具有破坏性故障和影响整机运行的故障能够执行实时的保护措施,避免设备损坏。PHM故障诊断在此之上能够将当前故障现象和历史故障记录相结合,根据各分系统故障关联关系及故障树完成推理分析,从而更加及时和准确地诊断故障,定位到可更换单元,并给出故障的详细信息、告警提示和基础的解决办法。

2.2.4 故障预测

故障预测是雷达健康管理系统区别于传统BIT的核心功能。对于具有损伤标尺的部件,可以通过其明确的退化机理或使用寿命阈值建立线性退化模型来完成故障预测,且预测精度较高[6]。但是,由于舰载雷达系统内部具备明确失效机理的部件较少,通常为电机、风机、汇流环等机电模块,可实施范围较小。

大部分电子设备的退化规律不明确,在不同的环境和工作应力下发生故障的概率呈现随机性,难以提取表征电子设备工作状态的特征信息,因此故障预测的意义不大,关注点还是放在部件可靠性设计、及时的故障诊断和定位功能上。

当输出性能指标或状态信息能够反映部件工作衰退变化趋势时,故障预测功能在这种应用场景下最为有效。首先要对部件由正常到退化再到故障的全过程历史数据进行数据处理和统计分析,得出历史数据的特征和分布情况,再完成特征参数选择,得到能够表征部件退化过程的关键信号,最后可选择支持向量机、贝叶斯、随机森林、决策树回归等机器学习算法进行预测,通过对比不同算法与参数权重的预测结果得到算法和参数的最优组合,以提高预测的准确性。这种预测方法需要大量的样本数据支撑,而目前在舰载雷达领域对于这部分部件工作状态信息的采集不够全面,须要在雷达分系统和模块设计时考虑到故障预测功能的需求,设置更加全面的传感器和检测装置。此外,部件运行历史数据相对缺失:一是传统BIT缺少历史数据记录功能;二是获取单一种类部件正常到故障的状态信息时间周期不确定。因此,健康管理系统中建立数据存储模块不间断地记录部件的工作状态信息,当雷达内部某一类部件数量较多时,例如功放组件、T/R组件、电源等,基于同一部件工作状态的相似性可以更加有效地得到该部件的退化过程数据。

2.2.5 状态评估

状态评估是雷达健康管理系统的又一重要功能,负责完成舰载雷达及关键分系统健康状态的综合评估,一般包括雷达健康度、探测性能和任务可执行度评估[1,7]。

由于舰载雷达内部电子设备众多,不同电子设备失效对于雷达的影响不尽相同,有些电子设备故障只影响某一分系统,有些电子设备会做硬件故障冗余和重构功能,其故障对雷达性能不造成影响或影响很小。因此,首先要建立雷达整机健康度评估体系,根据实时状态监测和故障诊断结果对当前雷达健康状态作出定性评价,再通过不同颜色进行分级显示。

雷达探测性能主要指雷达探测威力、精度、跟踪、抗干扰等指标。以有源相控阵雷达为例,T/R组件故障数量及位置对雷达性能指标的影响差别很大,在雷达运行时阵面内监测通过幅相校准结果做出补偿,可以根据幅相监测结果获得组件各通道幅度及相位信息,从而计算得到等效的天线方向图,包括发射及接收波束增益、副瓣电平、波束宽度等指标,再根据雷达威力评估算法得到雷达当前探测威力、测角精度等与设计值的偏差。

在健康管理系统中建立与雷达的作战任务对应的评估模型,例如警戒探测、目标指示、气象探测等,制订执行任务需要达到的性能指标和关联的分系统及部件的故障状态,判定雷达是否具备完成该任务的能力,输出能够执行、降级执行和无法执行等评价结果。

2.2.6 维修保障决策

维修保障决策是雷达健康管理系统的最终环节,能够根据故障诊断、故障预测及资源备件等信息,自动生成雷达维修保障方案。在健康管理系统中建立维修单元、维修行为和维修工卡,在维修工卡中详细定义维修原因、保障单位、维修方法、耗材及具体步骤等,当现有备件数量不足或没有该型号备件时给出警示信息,并且能够关联IETM交互式电子手册进一步指导维修行为。在维修过程中,维修保障人员确认实际故障并录入故障信息,包括维修或更换的模块、维修人员、维修步骤、用到的备件数量和种类、维修时间等,实现维修过程的跟踪管理。

2.3 应用案例

基于某型舰载雷达完成健康管理系统的应用实施,具体流程如图2所示。

首先,分析雷达产品,包括雷达系统组成、FMEA分析、故障树、作战任务、评估体系、保障信息等;

其次,构建舰载雷达健康管理模型,包括雷达产品结构树、各分系统状态数据接收及解码方法、数据处理及特征提取方法、故障判据及诊断推理、预测算法及参数设置、雷达健康度及任务可执行度评估模型和维修保障策略;

图2 舰载雷达PHM系统实现技术流程

最后,基于构建好的舰载雷达健康管理模型,健康管理系统对实时获取到的雷达各分系统BIT数据进行解析处理,实现雷达实时状态监测、故障诊断及预测、健康状态评估功能,并且依据故障诊断、评估和预测结果给出相应的保障决策,实现雷达装备健康状态的全方位管控。

3 结束语

本文基于舰载雷达的特点,采用分层设计、开发与应用分离方法,设计一种舰载雷达健康管理系统,并通过某型舰载雷达完成健康管理系统的应用实施。系统运行稳定,效果良好,对其他大型装备健康管理系统的设计有一定的借鉴意义。

健康管理技术是一种大型复杂电子装备全生命周期健康状态管控的新技术,能够有效降低舰载雷达维修保障成本,提高武器安全性、可用度与完好性,对提升舰载雷达的作战效能具有显著意义。