基于數據挖掘的某型雷達裝備保障輔助決策系統

李田英, 胡道生

(河南省商丘醫學高等專科學校,河南 商丘 476100)

?

基于數據挖掘的某型雷達裝備保障輔助決策系統

李田英, 胡道生

(河南省商丘醫學高等專科學校,河南 商丘 476100)

基于數據挖掘技術研究了某型雷達裝備保障輔助決策系統。分析了某型雷達裝備保障現狀,以及制約雷達保障效率的四大問題,簡要介紹了數據挖掘技術。利用數據挖掘的技術非常適合數據量大的特性,搭建了某型雷達裝備保障的輔助決策系統,并對其主要功能模塊進行了分析與設計。該系統能夠為決策者提供裝備保障和使用所需的重要信息,對提高保障效率和準確性以及充分發揮裝備作戰效能具有極其重要的理論和現實意義。

裝備保障; 數據挖掘; 輔助決策

1 引 言

某型雷達作為我國戰略預警的骨干裝備,在對空、對海預警和反導等遠程預警中具有獨特的優勢[1]。為了確保其穩定可靠地工作,對其必須要有強有力的維修保障能力。但某型雷達裝備是一個系統復雜、精密度高、部署分散、結構龐大的系統,與常規雷達相比,該型裝備保障的內容更多、標準更高、難度更大。目前對某型雷達裝備保障的方式主要是技術人員使用儀器儀表依靠經驗進行現場保障、定期保障、事后維修等傳統的保障方式,這種方式具有對有用信息利用率低、速度慢、時間長、故障定位不準確等缺點。傳統的保障方式與信息化戰爭條件下裝備保障應該具有預測性、快速性、可見性和精確性的要求不相適應[2]。因此,迫切需要研制高效的裝備保障輔助決策系統。而目前現有的常規雷達裝備維修保障輔助決策系統由于設備型號、工作方式、系統結構、數據量大小等因素的不同,不能完全適用于該型雷達裝備保障[3-5]。基于此,本文基于數據挖掘的技術搭建了某型雷達裝備保障的輔助決策系統。該系統能夠提高保障效率和準確性,充分發揮裝備作戰效能。

2 某型雷達裝備維修保障現

目前該型雷達裝備保障系統主要由基層級、中繼級和基地級的三級保障機構組成,雖然也研制了網絡化的裝備保障信息系統,但該信息系統僅僅是對裝備信息、人員信息、裝備維修、裝備器材管理的登記統計及文件信息傳輸,無法對數據庫中多種異構數據進行綜合分析和處理,同時也無法充分利用雷達運行過程中產生的大量信息,對裝備保障決策的輔助支持作用極弱,難以適應信息化戰爭條件下裝備保障工作的需求。目前的裝備保障主要有以下的局限性。

(1) 信息化程度低,協同難度大。由于裝備部署分散、結構復雜、各分系統之間關聯性強,因此,故障呈現層次性、傳播性、相關性和不確定性等新特點。當前雷達裝備的故障診斷主要依賴于裝備保障人員的維修保障經驗,有時系統級故障需要多名人員在多站的多個機房協同排除,而裝備保障可用的信息不足,且診斷信息得不到及時溝通,導致維修保障協同難增大,嚴重制約了雷達保障效率。

(2) 裝備保障方式落后,缺乏故障預測和裝備壽命管理機制。雖然目前該型雷達設備已有許多機內測試設備(BITE),可用于對部分已產生的故障進行診斷指示,但無法對裝備實際的技術狀況和總體質量進行評估和預測,如剩余使用壽命、技術狀態的衰減情況及裝備的可靠性等缺乏有效的預測,因此,很難制定出科學合理的預防性維修計劃。當前仍采用事后維修、定期計劃維修等傳統的維修保障方式,維修針對性不強,造成“維修不足”和“維修過剩”的現象時有發生。

(3) 數據資料缺乏統一規范和管理,不完備,甚至相互矛盾。當前裝備相關的數據資料主要由各崗位的戰勤人員有選擇地對這些數據進行收集、整理,缺乏統一規范和集中管理。這種方式不僅工作量巨大,使得相當部分的數據無法準確及時的收集整理,而且極易受到人為主觀因素的影響,不同人員收集的資料之間可能存在相互矛盾的地方,從而影響裝備保障決策。

(4) 數據量大,信息處理能力弱,缺乏高效地數據分析手段。雷達在工作過程中產生了海量的數據,主要包括:雷達工作參數、探測效能數據、雷達工作狀態信息、故障信息、維修信息等等。這些信息對于雷達的故障診斷、裝備可靠性研究、雷達探測性能研究、裝備性能優化等方面十分有用。然而,由于這些數據十分繁雜,缺乏有效的自動化分析工具,造成了數據資料的浪費,也大大制約了雷達裝備保障的能力和作戰效能的有效發揮。

由上述的分析可知,目前某型雷達裝備保障面臨的問題是如何將大量分散的、異構的數據資料變成有效的信息資源充分利用,消除“數據豐富、信息貧乏”,使得這些數據能為裝備保障服務。國內外的實踐已經證明:數據挖掘技術可以從大量數據中發現知識和規律,很好地為裝備保障提供規律或根據數據信息建立數學模型,幫助保障部門更好地完成裝備保障任務,為正確決策提供依據。

3 數據挖掘技術

數據挖掘(DM),又稱為數據庫中的知識發現,即從大量數據中提取有效的、新穎的、隱含的、有價值的、最終可被理解的模式和規則的過程[6]。簡單的說,數據挖掘就是從大量數據中挖掘知識,這些知識以概念、規則、規律、模式、約束等形式提供給決策者用以輔助決策。它是一門融合了人工智能、數據庫、數理統計、機器學習、并行計算、可視化技術等多個領域的交叉學科。數據挖掘系統的典型結構如圖1所示,主要包括數據庫、數據倉庫、知識庫、數據庫及數據倉庫服務器,數據挖掘模塊、模式評估模塊和圖形用戶界面。數據挖掘的流程為:數據取樣→數據探索→數據調整→模型化→評價,在這一過程的反復地進行中,決策模型不斷趨近事物的本質。

圖1 數據挖掘系統典型的結構Fig.1 Typical structure of data mining system

4 基于數據挖掘的某型雷達裝備保障輔助決策系統

由上一節分析可知,數據挖掘技術能夠在某型雷達裝備保障工作中發揮重大作用。美、英、法等西方發達國家已逐步將這些技術應用到裝備可靠性、維修性和保障性等工程實踐中。本文基于數據挖掘技術建立某型雷達裝備輔助決策

系統。為了便于今后對系統功能的擴展,采用面向服務的開放式軟件架構,可以在使用過程中更加需要增添或修改功能部件。系統的體系機構如圖2所示,從邏輯上可以分為四個層次:最底層為信息獲取層:數據采集與轉換模塊,主要功能是從雷達各分系統中獲取設備狀態信息(包括傳感器和機內測試信息);第二層為數據存儲層,主要由靜態數據庫、動態數據庫、數據倉庫、知識庫等組成;第三層為數據處理層,具有數據預處理、數據挖掘和輔助決策的功能,是整個輔助決策系統的核心;頂層為輔助決策層,主要負責決策任務及管理。同時輔助決策系統通過通信網絡與裝備修理廠、裝備研制廠(所)以及駐地地方維修保障中心相連,構成了網絡化、一體化的雷達裝備保障體系。

4.1 信息獲取層

最底層為信息獲取層:數據采集與轉換模塊,主要有兩大功能:一是錄入裝備保障人員收集整理的數據資料并進行格式轉換,二是為實時采集的雷達相關信息。采集的雷達相關信息包括三個方面:一是工作狀態參數,采集的原則是在充分表征系統狀態的前提下,盡量減少監測狀態參數的數量;二是監測狀態參數,通過采集各類智能傳感器或采樣電路獲得;三是機內測試信息。

圖2 基于數據挖掘的某型雷達保障輔助決策系統結構Fig.2 The structure of a certain type of radar support decision support system based on data mining

4.2 數據存儲層

數據存儲層中的靜態數據庫用于存儲裝備保障人員收集整理的數據資料,包括:廠家的隨機資料、雷達部件結構、裝備性能資料、裝備特性信息、裝備維修登記、總結資料、裝備工作信息等。在雷達工作過程中信息獲取層采集的信息經歸一化處理后存儲到動態數據庫中,這些信息主要包括:雷達工作參數、雷達工作狀態信息、探測效能信息、頻譜信息以及情報信息等。數據倉庫存放經過分析、提取等處理之后的數據。知識庫中主要存放故障機理、專家知識、故障樹以及各類診斷、預測推理模型和分析規則等。

4.3 數據處理層

數據處理層為整個裝備保障輔助決策系統的核心,分為四大功能模塊。①數據預處理模塊主要完成數據的抽取、清洗、轉換、融合,將預處理好的數據保存到數據倉庫中。數據抽取就是根據某型裝備保障輔助決策的需要從靜態數據庫或動態數據庫中抽取相關的數據;數據清洗主要完成數據噪聲的清除;數據集成將多種數據源組合在一起;數據轉換和綜合將選擇的數據轉換成可挖掘形式,形成數據集市保存到數據倉庫中。②數據挖掘模塊主要包括數據挖掘、知識評價、結果修正等功能部件,數據挖掘部件借助知識庫中已有的規則、方法、經驗和事實數據等,利用合適的數據挖掘算法對數據倉庫中的數據進行挖掘并發現知識,知識評價和結果修正對挖掘結果進行評估,某型裝備設備復雜,數據量大,對不同裝備采用的數據挖掘方法和工具也不一樣,主要有基于神經網絡的挖掘方法、基于關聯規則和決策樹的挖掘方法、基于模糊邏輯的挖掘方法等,以及這些方法的綜合運用;③狀態監測模塊完成信號征兆辨識和特征提取的任務;④輔助決策模塊包含各種輔助決策模型和決策優化模型。這四個功能模塊都由多個小的功能部件配合完成其功能,每一個功能部件實現為一個Agent。當需要向系統中增加輔助決策功能時,只需要向相關的總能模塊中添加合適的Agent部件,并在輔助決策模塊中構造相應的決策過程模型;當需要改善某個輔助決策時只需要修改相關的Agent部件即可。

4.4 輔助決策層

輔助決策主要包括:故障診斷、故障預測、預防性維修預測、維修備件需求預測、裝備保障人員配置、裝備保障人員資格評估及其對雷達探測性能的影響等功能。由于篇幅有限,各功能模塊不能一一介紹,本文以故障診斷為例進行說明。故障診斷利用獲得的各類信息借助合適的推理機制來尋找故障現象和故障結果的映射關系,以達到預測故障發展趨勢和后果以及部件的剩余壽命,給出最佳保障方案的目的。故障診斷主要包括故障知識獲取和故障診斷兩個方面:①故障知識獲取。基于數據挖掘的某型雷達裝備故障知識獲取過程如圖3所示。首先從數據庫中收集、整理所需的原始數據,該階段包括原始數據準備、數據預處理兩步;然后進行特征提取,該階段包括數據變換、特征選擇、特征約簡三步;為了充分利用不同特征之間的互補優勢,可以采用不同方法對多種特征進行特征融合;數據挖掘算法設計根據數據的特點和各種學習算法的特點,設計挖掘算法的詳細步驟;結果評價對挖掘結果進行一致性、合理性檢查,與預期目標進行對比,同時加入專家知識,如果結果和預期目標偏差較大,返回算法設計階段,調整或重新設計挖掘算法;如果結果理想,返回數據準備階段,擴大數據集,重新開始一輪挖掘過程;知識導出重復上述步驟,直至達到最終目標,并將知識(如規則知識、模型知識等)導出到知識庫中備用。②故障診斷。雷達故障診斷的工作流程如圖4所示。首先采集故障信息,并對其進行特征提取和融合后與故障知識庫中相關知識進行匹配,形成對監測目標的狀態(健康狀況)精確評估。當發現監測目標出現異常征兆或故障時,根據故障現象利用知識庫中故障樹等知識進行故障診斷,確定故障原因和部位。對當前無異常的部件則進行故障趨勢預測,若故障趨勢預測顯示近期將出現異常時,則跟蹤其故障發展趨勢并預計部件的剩余使用壽命。最后利用所有故障診斷信息和預測信息進行綜合分析,并結合維修保障資源和維修保障條件進行維修決策。

圖3 基于數據挖掘的故障知識獲取流程圖Fig.3 Flow chart of fault knowledge acquisition based on data mining

圖4 基于故障診斷工作流程Fig.4 Work flow based on fault diagnosis

5 結 論

本文研究了基于數據挖掘技術的某型雷達裝備保障輔助決策系統。首先,分析了目前某型雷達裝備保障中存在的問題,這些問題嚴重制約裝備保障的效率和準確性;然后,分析了數據挖掘作為先進的技術手段可以服務于裝備保障的可能性;最后,基于數據挖掘技術搭建了某型雷達裝備保障的輔助決策系統,并對其中的數據采集與轉換模塊、數據存儲模型、數據處理模塊、輔助決策四大功能模塊進行了詳細的分析與設計。該系統能夠為決策者提供裝備保障和使用所需的重要信息,對提高保障效率和準確性,充分發揮裝備作戰效能具有極其重要的理論和現實意義。

[1] 張曉華,劉明云,王國師,等.基于AHP的天波雷達裝備維修保障能力評估[J].火力與指揮控制,2014,(12):15-16.

ZHANG Xiaohua,LIU Mingyun,WANG Guoshi,et al.The evaluation of skywave radar equipment maintenance support capability based on AHP[J].Fire and Command Control,2014,(12):15-16.

[2] 彭善國,王希武,王寅龍,等.樸素貝葉斯及其在裝備保障能力評估中的應用[J].計算機應用與軟件,2012,(6):222-224.

PENG Shanguo,WANG Xiwu,WANG Yinlong,et al.Naive Bayes and its application in the evaluation of equipment support capability[J].Computer application and software,2012,(6):222-224.

[3] 胡永峰,郭建勝,楊明,等.基于IDEF的裝備保障指揮輔助決策系統建模[J].空軍工程大學學報(自然科學版),2006,7(6):72-75.

HU Yongfeng,GUO Jiansheng,YANG Ming,et al.Modeling of equipment support command assistant decision system based on IDE[J].Journal of Air Force Engineering University(NATURAL SCIENCE EDITION),2006,7(6):72-75.

[4] 王瑛,侯朝禎,馮天飛.指揮自動化輔助決策系統的設計和實現[J].系統工程與電子技術,2002,24(9):1-3.

WANG Ying,HOU Chaozhen,FENG Tianfei.Design and implementation of command automation assistant decision making system[J].Systems Engineering and Electronics,2002,24(9):1-3.

[5] 陳希軍,葉勇.基于.NET的裝備保障輔助決策系統(ESADS)的設計與實現[J].軍械工程學院學報,2005,(3):1-4.

CHEN Xijun,YE Yong.Design and implementation of equipment support assistant decision making system based on.NET[J].Journal of Ordnance Engineering College,2005,(3):1-4.

[6] 陳玉明,吳克壽,李向軍.一種基于信息熵的異常數據挖掘算法[J].控制與決策,2013,28(6):867-872.

CHEN Yuming,WU Keshou,LI Xiangjun.An anomaly data mining algorithm based on information entropy[J].Control and Decision-making,2013,28(6):867-872.

Aided Decision System for Equipment Support on Some Type of Radar Based on Data Mining

LI Tian Ying, HU Dao Sheng

(Shangqiu medical college,Shangqiu 476100,China)

The research on the problem of aided decision system for equipment support for some type of radar was made based on data mining.The status of equipment support and the four problems restricting the equipment support were analyzed.The data mining technology is introduced briefly.An aided decision system and its modules for equipment support on some type of radar were built based on data mining,which is suitable for mining big data.The aided decision system can provide decision makers with important information needed by equipment support and usage, it also has significant meaning in improving the efficiency of equipment support and equipment employment.

equipment support; data mining; aided decision

李田英 女(1982-),河南商丘人,講師,主要研究方向為計算機網絡。

胡道生 男(1982-),江蘇沭陽人,工程師,主要研究方向為裝備保障。

TP 311

A