T/R組件故障預測技術研究

范夢恒，趙 寧，張 宇

(1.中國船舶集團有限公司第八研究院，南京 211153;2.南京理工大學 計算機學院，南京 210094)

0 引 言

作為有源相控陣雷達的核心部件，T/R組件集成度高，組裝工藝復雜，既包括無源器件表面貼裝、低溫共燒陶瓷基板與殼體的大面積焊接、射頻連接器與殼體的焊接等溫度梯度焊接工藝，還涉及微波MMIC裸芯片環氧粘接、共晶焊接以及金絲鍵合等先進微組裝工藝[1]。T/R組件對于整部雷達至關重要，可影響整部雷達的關鍵性能。 隨著雷達整機對于自身性能監測與維修的要求越來越高，T/R組件的健康監測與管理也變得尤為重要。

1 故障預測技術研究現狀

測試性技術的快速發展經歷了由外部測試到機內測試(Built-In Test，BIT)、智能BIT、綜合診斷、故障預測與健康管理(Prognostics Health Management，PHM)的過程，其中PHM技術由美國國家科學基金會智能維修系統研究中心提出，已在世界范圍內航空、船舶、電子、機械制造等諸多行業實施應用。PHM是對原有測試性設計的進一步拓展，主要引入了狀態評估、故障預測、維護策略的自動分析生成，實現了對設備的視情維修，避免了傳統的修復性維修和計劃性維修帶來的設備故障或維修資源的不必要浪費。測試性技術發展演變為PHM技術是一個必然的過程，后者基于實際需求，從被動等待處理轉變為主動測試維修，再到事前預測和規劃維護修理[2]。

1.1 國外

在民用領域，法國阿爾斯通公司的“鐵路狀態管理系統”、美國GE公司的“系統健康管理一體化解決方案”、日本日立公司的“燃氣機組智能維護系統”、美國波音公司的“地空一體化遠程飛機航運與健康管理中心”均是PHM技術的典型應用，目的是提高裝備的使用效率，降低全系統全壽命周期費用。

在軍用領域，以美軍為例，海軍的“綜合狀態評估系統”、陸軍的“陸軍診斷改進計劃”、空軍的“空軍故障預測與健康管理系統”都是運用了PHM技術，其中空軍系統已裝備F-35戰斗機，促進了自主式保障建設，顯著提高了智能化保障水平，降低了使用與維修費用和壽命周期費用，有利于消除裝備的故障虛警率。另外，海軍的“岸海一體裝備遠程綜合狀態評估與狀態管理中心” 提供遠程監控和故障定位功能，使海軍企業能高效創新地保障作戰艦艇，在安全環境中實現實時遠程診斷和故障定位，并能提供狀態監控、數據融合、合作共享等功能，為裝備的高效使用和有力保障發揮了積極作用。

1.2 國內

在雷達裝備故障診斷與預測技術方面，國內相關機構和學者也做了一些研究，取得了一定的成果。

哈爾濱工業大學以雷達發射機作為研究對象，開展了雷達發射機健康狀態評價及預測技術研究，探討了基于特征提取的雷達發射機異構參數——波形參數預處理，利用修正模糊層次分析法對雷達發射機的健康狀態進行評價、對故障征兆參數進行預測，并以絕緣柵雙極型晶體管為例開發了PHM系統演示軟件。

西北工業大學針對在役雷達系統外場故障診斷技術需求，采用系統工程方法開展了雷達系統級、電路板級和元器件級3個層次的在線智能故障診斷技術研究，以提高雷達系統的保障性水平及作戰效能。

西安電子科技大學開展了天線輻射特性測量及診斷技術研究，提出了一種天線快速測量及診斷新方法——換相測量法，其基本思想是在天線和測量探頭均保持固定的情況下，測量天線不同配相狀態下探頭的接收信號幅相，然后用數學算法對實驗數據進行處理，即可確定任意配相狀態下各通道激勵的幅相，進而根據一次試驗結果復原所有的方向圖。

但總體來講，我國雷達裝備可靠性和測試性協同設計、故障預測和健康管理技術研究目前處于起步階段，仍然存在很多問題，許多關鍵技術尚未取得突破。

2 T/R組件故障預測技術

2.1 故障預測基本方法

故障預測基本方法如下：

(1) 開展故障模式癥狀與測試擴展分析，合理布局測試點/傳感器

所有的預測都需要采集基本特征信息，所以故障預測的第一步就是以測試性為基礎，開展故障模式癥狀與測試擴展分析，確定故障模式及基本信息、故障演變特點、故障征兆，合理進行測試點/傳感器的布局。

(2) 建立關鍵參數模型和故障預測模型

采用灰色模型、時間序列模型等方法對射頻輸出功率、接收通道噪聲等關鍵性能等單參數進行建模；利用競爭失效原理，采用蒙特卡羅方法建立T/R組件多參數故障預測模型。

(3) 建立健康評估模型

以發射通道的射頻輸出功率、接收通道噪聲系數、溫度等參數為基礎，采用馬氏距離或KL距離建立T/R組件健康評估模型。

(4) 陣面間接評估方法

T/R組件是陣面最基本的構成，每個收發通道性能的變化最終都可以反應在陣面收發通道幅度和相位一致性性能上，所以通過監測陣面所有通道幅度和相位的相對變化可以評估T/R組件故障狀態，分析其性能變化趨勢。

2.2 T/R組件故障模式癥狀與測試擴展分析

故障預測以故障征兆和傳感器布局分析為基礎，而傳統的故障模式、影響、危害性分析(Failure Mode，Effects，and Criticality Analysis，FMECA)方法不支持開展此類分析工作。為支持故障預測，須進一步開展故障模式癥狀與測試擴展分析，分析步驟如下：

(1) TR組件FMECA

傳統的FMECA方法是最基本的故障分析方法，其分析流程如圖1所示。

圖1 FMECA分析流程圖

收發功能是T/R組件的基本功能：發射功能最基本的表征參數是發射功率，任何導致發射功率下降(一般80%)的故障因素，如發射管失效、輸入信號故障、過熱、過脈寬、過工作比、工作電源電壓下降等都是發射故障因素，會造成陣面發射功率下降及發射波束指向偏離，其中過熱、過脈寬、過工作比比較常見；接收功能最基本的表征參數是噪聲系數和接收機增益，會導致陣面接收靈敏度下降及接收波束指向偏離，接收電路一般比較穩定，很少發生故障。

另外，現在的T/R組件多為數字組件，容易發生收發相位問題，這也是常見故障，對雷達陣面指向影響巨大，直接影響雷達接收功能；T/R組件往往含有多個收發通道，除了前端收發通道是獨立的，其電源供電、信號產生、冷卻等都是局部公用或完全公用，公共部件發生故障會影響較多的收發通道，危害性較大，應該從設計源頭上控制提高其可靠性。

(2) 分析故障演變過程

根據電路結構構成、設計原理、維修經驗，以組件的工作狀態相關測試數據為基礎分析故障演變。例如，冷卻液溫度升高將造成組件溫度過高，從而導致發射功率逐步下降直至啟動關機保護或者被燒毀；信號工作比增大可導致供電電流增大，最終致使電源啟動保護或者燒壞發射管。通過故障演變梳理“癥狀”彼此的關聯性，根據關聯性、同等性原則分析/預測關聯故障的發生。

(3) 確定故障征兆

根據FMECA報告的三級影響，結合經驗數據、原理分析和(或)可用的仿真分析手段確定故障模式會導致的各種影響或故障先兆表現。

(4) 確定測試點/傳感器及布局

根據FMECA分析，對于故障率高、危害性大的故障，須設置必要的傳感器監測點；依據故障癥狀/先兆在關聯敏感位置設置傳感器，開展監測測試；在關聯接口處設置必要的監測點來監測組件外圍接口信號的狀態，以排除關聯故障產生的故障。根據T/R組件的功能組成特點，發射管電壓、電流、發射脈寬、發射工作比、發射功率、發射管工作溫度、接收機工作電壓、接收機幅度、輸入信號幅度、數字板單元工作狀態等都應設置監測點。

2.3 T/R組件故障預測技術

2.3.1 T/R組件單參數退化規律建模

采用灰色模型、時間序列模型等方法對射頻輸出功率、接收通道噪聲等T/R組件關鍵性能參數進行建模。

(1) 基于灰色模型的單參數退化規律建模

先用T/R組件的射頻輸出功率、接收通道噪聲系統、溫度的量測數據對灰色模型的未知參數進行估計，再根據估計結果預測各個參數狀態。

(1)

式中，模型參數a、b未知。

(2) 基于時間序列模型的單參數退化規律建模

根據T/R組件的性能退化數據X1,X2,…,Xn，采用求和自回歸滑動平均模型(Autoregressive Integrated Moving Average Model，ARIMA)對T/R組件參數變化趨勢建模，并根據失效閾值進行預測，具體技術流程如圖2所示：首先，采用自相關函數法確立模型階次d，采用BIC準則確定模型階次p、q；其次，采用Levenberg-Marquardt算法估計AR模型和MA模型參數φi、θi；最后通過預測與逆變換求得T/R組件關鍵性能參數退化規律模型。

圖2 ARIMA模型建模流程

2.3.2 T/R組件多參數故障預測模型

利用競爭失效原理，采用蒙特卡羅方法建立T/R組件故障預測模型。假定共有K個退化型失效參數表征T/R組件性能狀態，采用健康狀態預測方法得到的退化演化規律分別為Di(t),i=1,2,…,K，每個參數的失效閾值分別為Ti,i=1,2,…,K，每個參數的失效(或低效)時間為ti,i=1,2,…,K，則T/R組件每個參數的失效(或低效)時間分別為t1,t2,…,tK，根據競爭失效原理得到T/R組件的失效時間為

t=min{t1,t2,…,tK}

(2)

在多種機理多參數情形下，采用蒙特卡羅算法進行求解，從而預測T/R組件的失效(或低效)時間。

2.3.3 建立關鍵器件失效模型

T/R組件中的發射管是最關鍵也是失效率最高的器件，必須針對性地關注其失效的可能性。為此，根據

廠家提供的基本失效模型輪循監測發射管電流、輸出功率、工作溫度(環境應力)等典型參數數據，通過對過去和現有典型參數數據的迭代分析評估其未來工作狀態，并不斷記錄新的工作狀態，修正工作或失效模型，更新綜合模型庫，開展新一輪的評估預測。

2.4 T/R組件健康評估技術

2.4.1 基于馬氏距離或KL距離的健康評估技術

以T/R組件發射通道為例，基于射頻輸出功率、接收通道噪聲系數、溫度等參數，采用馬氏距離或KL距離建立T/R組件健康評估模型。模型建立流程如圖3所示。

圖3 T/R組件健康狀態評估模型建立流程

2.4.2 陣面間接評估技術

T/R組件工作于陣面，每一個收發通道的發射/接收特性都會直接通過陣面性能加以體現，如通道發射功率下降、接收增益下降等都將體現在陣面陣元激勵電流幅相誤差上，所以通過監測陣面單元幅相一致性的變化，結合單個陣元的幅相誤差分析及其在陣面所處位置等因素就可以分析T/R組件性能變化趨勢。

陣面幅相一致性是天線最重要的指標，直接影響天線收發波束形狀/副瓣/波束指向，因此相控陣天線必定設計有幅相監測單元。幅相一致監測技術包含陣面通道發射/接收信號取樣技術及其數據處理技術。 陣面監測一般采用通道耦合方法完成信號取樣；數據處理技術是以暗室測試數據為基準，考慮耦合器的溫度變化特性和耦合器的幅頻特性進行處理。 陣面幅相一致監測技術既可以有效評估T/R通道收發狀態，也可以采集記錄其基本工作數據，為建立T/R組件工作模型積累數據。

3 結束語

本文基于T/R組件FMECA方法，針對雷達整機健康管理需求，分析了T/R組件故障演變/故障征兆以及監測點的布局要求，研究了T/R組件故障預測及健康評估方法，在此基礎上可構建相關軟硬件平臺，最終實現T/R組件或有源相控陣雷達天線的故障預測與健康管理系統，對于工程實踐有較強的指導意義。