典型制導彈藥故障預示預警系統的設計

蒲亞博，王艷艷，趙方超，劉 偉，羅天元

(1.西南技術工程研究所， 重慶 400039； 2.彈藥貯存環境效應重點實驗室， 重慶 400039)

1 引言

制導彈藥是現代化的高技術武器之一，是國家武裝力量的重要組成部分。隨著高新技術的不斷發展，系列高可靠、長壽命、智能化彈藥不斷研制，制導彈藥逐漸形成了一個包含大量元器件和電路的復雜、龐大的系統，各部組件之間聯系緊密，使其綜合性能得到大幅度提升[1-2]。制導彈藥在全壽命周期內經歷了包裝、貯存、運輸、值班等各種環境，其健康狀態將不可避免地發生退化或失效，導致彈藥發射失敗或發射后失效，由此引發的經濟損失或災難性后果不可估量。因此對制導彈藥故障進行準確的診斷、預警、預測，可及時發現潛在故障、評估故障發展趨勢，最大限度地減小故障發生的可能及造成的危害，提高制導彈藥綜合作戰能力，保證最大限度發揮作戰效能。

故障預測方法誕生于20世紀70年代，國外在該領域起步較早，得到美英等軍事強國的高度重視和推廣應用，已成為新一代戰機、艦船、車輛等系統的一項重要保障維修技術。故障預測技術作為實現F-35戰斗機自主式保障的核心技術，已成功地應用于飛機發動機健康監控(EHM)、直升機的健康與使用監控系統(HUMS)、海軍的集成狀態評估系統(ICAS)和燃氣渦輪的預兆監控系統(ProDAPs)等系統中。國內故障診斷預測技術起步較晚，主要集中在航空領域和武器裝備的維修保障應用方面[3-5]。中國民航大學通過數據挖掘技術分析與飛機運行和維護相關的數據資源，研究出一套能及時察覺、分類并預報故障的飛機健康管理系統；張澤奇等通過分析驗證PHM(故障預測與健康管理)技術在導彈武器裝備中的應用，提出了基于PHM的導彈狀態管理系統，并介紹了系統主要實現的功能及測試方法。王文雙等結合導彈測試信息的不確定性，劃分了5個功能模塊，并規劃了各模塊工作流程和實現算法，為導彈有效的維護保障提供了指導依據[6-8]。

目前故障預測技術在彈藥裝備領域還沒有成熟的應用。隨著軍隊對彈藥安全性、可靠性、延壽提出更高要求以及人工智能和物聯網技術的不斷發展，彈藥健康狀態管理必將從“經驗性主觀預測”向“機器客觀預示預警”轉變。由于受彈藥自身結構及外部因素影響，彈藥故障預示預警系統的設計應用難度增加，相關研究成果寥寥。針對這一問題，本研究在分析掌握典型制導彈藥結構特點、故障預示預警系統特點、故障預測方法的基礎上，設計了典型制導彈藥故障預示預警系統架構，劃分功能模塊，研究討論了實現方法，以期為典型制導彈藥故障預示預警系統的設計提供依據和指導。

2 典型制導彈藥故障預示預警系統特點分析

2.1 故障預示預警系統理論概述

故障預示預警系統是利用各種先進的傳感器對裝備健康狀態的相關參數進行采集，包括使用狀況、當前環境、工作條件、早先試驗數據和歷史經驗數據等，并借助各種推理技術和先進算法如數學物理模型、人工智能等對裝備故障發生概率、故障發展趨勢、故障發生時間和剩余壽命進行預測，實現對裝備健康狀態的實時監測，為裝備的預先維修及作戰效能的穩定發揮提供依據和保障[9-10]。

典型制導彈藥故障預示預警系統的建立不是為了消除制導彈藥故障，而是利用已有的歷時測試信息、故障信息和先進傳感器監測信息，結合先進算法和模型對故障的發生和發展趨勢進行實時監測，實現彈藥壽命的評估從粗略概算到精準預測，并對故障的發生部位預先采取有效維護措施，進而實現對典型彈藥系統全壽命期健康狀態的管理。

2.2 典型制導彈藥結構分析

我國在俄羅斯引進了的“紅土地”激光半主動末制導炮彈基礎上自行設計、研制、裝備了大批152 mm、155 mm等激光末制導炮彈，這種制導彈藥與傳統彈藥相比具有射程遠、精度高和威力大等優點，極大提高了部隊的精確打擊能力，在我軍制導彈藥型號中具有典型性。同常規彈藥結構相比，這類典型制導彈藥的結構和功能有了較大改變。圖1和圖2是常規彈藥結構和典型制導彈藥結構框圖。典型制導彈藥結構復雜，部組件繁多，包含大量高分子材料與器件、慣性器件和電子光學器件，部組件之間存在很強的關聯性。制導彈藥在全壽命周期內經歷貯存、轉運、戰備值班等復雜環境，其部組件易發生多種故障模式；制導彈藥的通電測試周期較長，現有傳感器無法實時監測反映其健康狀態的性能參數變化；相比于普通炮彈，導航控制系統中電子部件較多，極易發生故障。

圖2 典型制導彈藥結構框圖

2.3 典型制導彈藥故障預示預警系統需求及特點分析

典型制導彈藥故障預示預警系統是彈藥安全性、可靠性以及環境適應性的重要保障：

1) 隨著整體國防能力的提高，彈藥的生產能力和儲備量非常大，全球范圍內彈藥貯存使用安全事故發生較多，因此該系統是保障彈藥安全和可靠的必要手段。

2) 彈藥貯存地點分布廣，空間跨度大，在全壽命期內經歷的環境復雜，彈藥極易發生結構損傷，利用該系統可對彈藥的狀態實時監測，減少彈藥安全事故的發生。

3) 目前由于軍事戰略轉變及軍隊日常訓練頻次的增加，彈藥的使用量及狀態變化也越來越復雜。利用該系統可以實現彈藥的故障維修由以前事后維修、定期維修向預計性維修轉變，為彈藥保持戰斗力和延壽提供重要支撐。

參考相關文獻[8，11-13]，故障預示預警系統的構成一般由數據采集傳輸、數據處理、狀態監測、故障診斷推理、故障預測等結構組成。受典型制導彈藥自身結構和外部因素影響，其狀態監測和數據采集傳輸、處理過程存在諸多不確定性。典型制導彈藥全壽命期內經歷的環境剖面復雜，目前對庫房貯存階段的環境應力已有大量監測數據，但是轉運和值班環境的監測數據不全面，尤其是對全壽命周期內彈藥內部微環境的狀態監測數據缺失。在對典型制導彈藥進行定期性能測試過程中，相關測試數據呈現明顯的冗余性、不完備性和不協調性，為后續數據處理增加難度，影響系統故障的診斷及故障發展趨勢的預測。

3 故障預示預警系統設計

3.1 系統功能分層設計

近年來，對某型典型制導彈藥進行自然長貯試驗和加速試驗后，項目組積累了大量的試驗數據，為該型彈藥的定壽延壽、后續改型彈藥的高可靠性設計提供了必要支撐。但由于對彈藥健康狀態的評估以對貯存環境的監測為主，缺少對彈藥本身系統化監測，而傳統的物理檢測和化學分析不能及時感知暴露彈藥存在問題，因此結合裝備故障預測與健康管理系統結構設計理念，根據典型制導彈藥特點，設計了圖3所示的典型制導彈藥故障預示預警系統架構。

圖3 典型制導彈藥故障預示預警系統架構框圖

該預示預警系統采用分層融合式體系結構，將整個系統分成數據采集層、數據預處理層和故障預測層3部分，每部分由相對應的硬件和軟件組成，各層級功能不同：

1) 數據采集層。數據采集層是故障預示預警系統的基礎，利用功能各異的傳感器實現典型制導彈藥貯存期內環境應力、結構應力的實時監測和采集，同時對貯存期內彈藥進行的轉運、故障維修等狀態信息、定期通電測試信息以及外部檢測信息及時采集記錄，為故障的診斷、預測提供基礎數據支撐。

2) 數據傳輸層。數據傳輸層是連接數據采集層和故障預測層的紐帶，最終目的是對采集到的繁雜數據能夠進行簡單數據預處理，剔除異常、空值和非必須的數據，對接收到的監測信息進行格式轉換和融合處理，減少占用的存儲空間，降低故障定位和預測的復雜度。

3) 故障預測層。故障預測層是典型制導彈藥故障預示預警系統的核心部分，由異常檢測推理機、故障診斷推理機和故障預測推理機共同組成，并在故障預測的基礎上，結合各種資源，建立模型知識庫。它以數據采集分析軟件為基礎，在模型庫知識庫的支持下對部組件的故障進行診斷、預警、預測，并及時對模型知識庫進行修正，為預防性維修提供決策信息。

3.2 數據采集層功能實現

典型制導彈藥貯存期內信息感知、狀態監測和數據采集的準確性、有效性、完整性是典型制導彈藥故障預示預警系統的基礎和源頭，其數據采集層功能實現架構如圖4所示。數據采集層以彈藥狀態信息采集、彈內環境、結構信息采集、定期通電測試信息采集、外部檢測信息采集四部分構成。其中彈藥狀態信息采集重點記錄彈藥貯存期內經歷的環境應力、轉運、故障、維修等信息；定期通電測試信息采集主要記錄典型制導彈藥在貯存期內經歷的多次電性能測試數據；外部檢測信息采集記錄典型制導彈藥在貯存期內的外觀形貌變化、無損探傷結果、陪試品測試等信息。

圖4 數據采集層功能實現架構框圖

彈內環境、結構應力的信息采集主要針對彈內溫度、濕度、振動、氣氛、壓力等信息開展長期在線監測。由于彈藥結構的特殊性，彈內環境、結構應力的長期監測可采用無線無源傳感器。受制于傳感器基礎材料、工藝等限制以及傳感器材料和彈藥材料、結構的相容性、無線無源傳感器電磁場對彈藥可能造成的影響因素，適用于彈內環境、結構應力的無線無源傳感器沒有成熟產品。中國工程物理研究院化學材料研究所開展了服務于彈藥監測的全組分氣體分析技術研究，自研了小體積負壓進樣系統，可檢測出微量及痕量的有機氣體。同時該團隊還針對彈藥老化釋放的氣體組分(NOx、COx、CxHy)等開展了氣敏傳感器的研制，形成了從材料-器件-系統-應用的完整研發體系；開展的高信噪比壓電薄膜材料研究與制備技術，將應變計、熱電偶集成為多功能薄膜傳感器，應用于裝備內部彈藥的溫度、應變和聲發射監測；開展的植入式光纖光柵裂紋檢測技術在炸藥熱響應監測方面得到初步應用[14-16]。

3.3 數據傳輸層功能實現

數據傳輸層的功能由智能移動終端設備實現。智能移動終端設備主要由無線通信模塊、數據存儲模塊、數據分析模塊、顯示模塊、按鍵模塊、控制模塊、電源管理模塊、通信接口模塊組成，本身具有獨立的數據采集和預處理能力，可讀取傳感器采集的數據并錄入采集的狀態信息、定期通電測試信息和外部檢測信息，同時對數據進行智能化分析處理，是連接數據采集層和故障預測層的關鍵樞紐，其功能實現架構如圖5所示。

圖5 數據傳輸層功能實現架構框圖

數據分析預處理模塊是智能移動終端設備的核心功能，受典型制導彈藥所處環境、狀態等影響，采集的數據不可避免地存在噪聲數據、空缺數據和不一致數據，常常具有隨機性、模糊性、冗余性和高維性等特征，直接進行數據分析會降低準確率，因此對采集的原始數據利用均值插補法、狄克遜準則、回歸分析技術等手段進行分析預處理，補齊缺失數據，剔除異常數據，并對原始數據進行無量綱化處理，然后利用離散傅里葉變換(DFT)、離散小波變換(DWT)、主分量分析法、BP神經網絡法等數據處理技術從龐大的原始數據中提取出于彈藥狀態相關性強的特征向量作為彈藥故障預測的基礎[17-20]。

3.4 故障預測層功能實現

故障預測層功能實現是在模型知識庫的支持下，由異常檢測推理機、故障診斷推理機和故障預測推理機借助數學物理模型和人工智能算法等技術進行異常數據記錄過濾、失效診斷、故障定位和預測。其功能實現架構如圖6所示。

圖6 故障預測層實現架構框圖

1) 異常檢測推理機

異常檢測是故障預測的基礎。典型制導彈藥在經歷長期貯存、轉運和戰斗值班后部組件、分系統等出現性能退化或失效現象，結合提取的特征值數據，從數據庫中抽取隱含的、未知的、具有潛在應用價值的信息，利用數據挖掘和信息融合技術在一定準則下以最高效的融合方式將各種信息進行自動分析，完成異常數據記錄過濾和異常狀態分類。目前常用的數據挖掘方法包括粗糙理論、遺傳算法和支持向量機等；人工神經網絡、D-S證據理論和貝葉斯推理等都是常用的信息融合方法[21-24]。

2) 故障診斷推理機

故障診斷是指利用異常檢測數據及模型知識庫的不斷優化學習訓練，對系統運行狀態和異常情況做出判斷，并為系統故障恢復提供依據，包括故障診斷和故障定位兩個過程。在貯存期內典型制導彈藥系統故障種類多種多樣，為了提高診斷準確性，需要將貯存期內所有故障模式進行研究，并提取每一種故障模式所對應的觀測數據，利用獲得的監測數據，對系統所有故障模式進行不斷優化學習訓練，構成系統的故障診斷數據庫。作為參考，對于系統正常狀態的監測數據需要提取。故障診斷的基本實現思路是當監測到異常數據或發生失效現象時，用監測數據直接在故障診斷庫中搜尋對應故障模式，并判斷故障危害性及發生位置[25-26]。

3) 故障預測推理機

故障預測是利用已有知識，采用適當方法，預測典型制導彈藥系統未來任務段內何時出現故障、出現什么故障，以便采取及時有效的預防措施實現預防維修，保障武器系統作戰效能的充分發揮。目前故障預測方法總體分為三類[27-28]：基于模型的故障預測技術、基于數據驅動的故障預測技術和基于統計可靠性的故障預測技術。典型制導彈藥絕大部分故障在發生前某一性能表現出持續退化或超差等征兆，且在貯存期內所經歷的環境/工作應力信息比較容易監測，因此故障征兆、故障原因和故障部位等存在某種線性或非線性的關系，基于環境應力和性能變化數據等已建立了部分失效模型，隨著對系統故障深入研究，可以逐漸修正調整模型提高預測精度[29-30]。

但由于制導彈藥系統結構復雜，故障表現形式多為隨機性和突變性，無法建立完整的動態模型，因此可以利用系統仿真、運行、維護等各個階段的測試、傳感器歷時數據、故障歷史數據等采用基于數據驅動或概率統計的方法進行故障預測，其核心是故障預測算法。目前已有的預測算法有時間序列預測法、灰色預測法、神經網絡算法、專家系統預測法、遺傳算法和多Agent預測算法[31-36]。

4 故障預測技術展望

隨著新技術的廣泛應用，典型制導彈藥全壽命期內經歷的環境不斷變化，對故障預示預警系統軟、硬件提出了新的要求，即能夠實現實時高效的故障預測。系統在長期運行過程中，由于數據量的幾何增長、性能退化、工作環境變化、維護升級和運行負載等原因影響系統故障預測的精度。因此，高效的故障預測需要基于最新的歷史數據和狀態信息對故障預測模型進行再學習、再訓練。

隨著5G通信、人工智能、大數據分析以及云計算等技術的突破，新型技術架構如數字孿生和深度學習等在系統故障預測領域有了更多應用[37-38]。數字孿生通過創建實時數字仿真模型，不斷從多個來源學習和更新自己，以表示其近實時的狀態、工作條件或位置，具有虛實共生、高虛擬仿真、高實時交互和深度洞見的技術特性，是天然的系統狀態監測和故障預測技術。深度學習是一種分層的和自動的特征學習算法，通過構建合適的深度模型，采用有效的訓練方法，將少量標簽樣本和大量無標簽樣本結合起來訓練，以獲取有效的特征表示，從而提升最終判決和預測的準確性。裝備的屬性、性能、部署環境、動態信息、氣候、地形、電磁等因素皆可作為深度學習的輸入，反復修正訓練模型，高精度地預測故障發生概率和發生位置。

5 結論

本文提出的典型制導彈藥故障預示預警系統設計，全面考慮了制導彈藥的工作特點，包括數據采集層、數據傳輸層、故障預測層3部分，各部分按照功能要求又分為彈藥內部和外部環境監測、數據分析預處理、異常診斷推理機、故障診斷推理機、故障預測推理機等模塊，基本滿足典型制導彈藥故障預示預警的要求，為實現典型制導彈藥故障預測與健康管理提供了實現途徑。