一種艦載雷達健康管理系統設計方法及實現

洪 暢,翟棟梁,丁志輝,沈 洋

(中國船舶集團有限公司第八研究院,南京 211153)

0 引 言

為了能夠適應日益嚴苛的作戰環境,雷達的復雜度和集成度越來越高,功能更加復雜,性能也不斷提升。相應地,雷達的組成模塊數量龐大、種類繁多,且各模塊之間故障耦合性高,因而對其運行可靠性和自主保障能力的要求也越來越高[1]。健康管理(Prognostic and Health Management,PHM)技術是實現武器裝備基于狀態的維修、智能維護、自主式保障、感知與響應后勤等新思想、新方案的關鍵技術之一,目前已受到歐美軍事強國的高度重視并被推廣應用,正在成為新型武器裝備研制設計和使用過程中的重要組成部分[2]。

艦載雷達作為一種大型復雜的電子信息系統,不同型號的系統組成、工作體制、執行任務等差異較大。本文設計一種能夠適應不同雷達特點,并快速構建和部署的健康管理系統,使設計過程聚焦于艦載雷達健康管理模型的構建,而無須關心具體的實現方法,能夠降低健康管理系統的復雜度和設計周期,且具有易維護升級的優點。

1 健康管理技術研究現狀

國外PHM技術主要應用于軍事領域,且產品成熟度高,目前已成功部署于諸多先進武器裝備,能夠有效提高戰備效能評估,其自主保障能力在國外多型裝備上得到驗證,如美國“宙斯盾”驅逐艦的戰備裝備測試系統(ORTS)、美國海軍艦船綜合狀態評估系統(ICAS)、F-35戰機的PHM系統、“阿帕奇”直升機的健康狀態與使用監控系統(HUMS)、航天器的綜合健康管理系統(IVHM)等[3]。從PHM系統設計標準來看,國外包括ISO、IEEE和OSA等在內的標準化機構針對PHM技術形成了一系列規范標準,涵蓋了PHM技術需求分析、功能設計、產品集成、性能評價和驗證全過程[4]。從PHM研制平臺來看,國外已經擁有多種滿足不同應用場合和不同裝備類型的PHM系統開發、設計和評價一體化通用平臺,絕大多數PHM系統都是采用這些專業的PHM研制平臺實現的,包括PHM DesignTM、SureSense、VSE-PHM、iTrend等[5]。

近年來,PHM技術在國內得到了廣泛關注和高度重視,一些航空、航天、雷達、艦船等領域科研院所已經開展了一系列PHM基礎理論研究和PHM系統設計,取得了顯著成果。但是,由于起步較晚,相關理論研究還不夠深入,在大型復雜裝備健康管理應用上的成功案例并不多。在艦載雷達領域,國內PHM技術應用較遲,目前基本處于故障診斷層級,即能實時顯示設備的狀態信息,并進行故障診斷和隔離,尚不具備完成雷達狀態評估、故障預測和提供維修決策的能力或應用還不夠深入,越來越難以滿足艦載雷達運行可靠性、視情維修和自主保障的需求。關于PHM技術標準,由于PHM實踐經驗匱乏和技術儲備不夠,我國目前主要借鑒國外標準規范,尚未形成完備的PHM技術標準體系。在PHM研制平臺方面,國內有關科研院所和高校已經開展研究,并且在某些裝備PHM系統研制中發揮了一定的作用,但是還處于初期階段,尚未形成通用化強、成熟度高的產品。

2 艦載雷達健康管理系統設計

艦載雷達裝備型號眾多,各型號差異較大,系統構成復雜,故障模式眾多,任務耦合度高,其健康管理系統設計要實現多區域層次化開放體系結構,對雷達進行分類分層設計,做到軟件可互操作、流程可重構、信息共享、對外信息交互便捷。

2.1 總體架構設計

艦載雷達通常包括陣面、伺服、信號處理、數據處理、環控等分系統,且不同型號裝備差異較大,任務側重點也有所不同。為了適應和滿足不同雷達的特點與需求,采用開發與運行分離的方法,設計一種艦載雷達健康管理系統,其總體架構以及與雷達其他子系統之間的功能層級關系如圖1所示。

圖1 艦載雷達健康管理系統總體架構

雷達底層軟硬件是健康管理系統的數據來源,包括傳感器、模塊級BIT軟件、分系統級BIT軟件和數據庫,其中分系統BIT負責收集內部各模塊BIT和傳感器數據,完成初步故障檢測和定位,形成原始數據提交給雷達健康管理系統;數據庫用于存儲健康管理系統產生的各類數據,比如故障診斷結果、評估結果、發送故障時的關鍵參數等,此外還記錄所有分系統運行狀態,形成歷史數據。雷達健康管理服務分為數據層、模型層、應用層3個層次。

(1)數據層

數據層包括數據獲取、數據解碼、數據處理和算法訓練4個功能模塊:數據獲取模塊負責接收雷達健康狀態數據;數據解碼模塊完成原始報文解析;數據處理模塊完成原始數據到模型數據的轉換;算法訓練模塊基于歷史數據生成一個性能最優的算法模型。

(2)模型層

模型層的作用是提供健康管理系統具體應用所需的模型,主要包括雷達產品結構屬性、資源信息、診斷邏輯、預測算法、評估模型以及維修措施,其中結構屬性完成健康管理對象的配置,包括雷達結構樹及屬性、故障點及故障模式、數據接收協議、頻率、解析方法等;資源信息主要有備件清單、可更換單元和壽命件清單、保障單位信息等;診斷邏輯針對每個模塊故障點和故障模式選擇故障判據方法;預測算法用于選擇故障預測時使用的算法文件;評估模型用于選擇評估雷達健康狀態、性能、任務可完成度的方法;維修措施用于選擇故障處理的維修措施。

(3)應用層

應用層在在數據層和模型層的支撐下實現具體健康管理業務,遵從OSA-CBM標準,包括狀態監測、故障診斷、狀態評估、故障預測和維保決策,具備資源管理和系統管理功能:資源管理可完成對模型層中各類資源信息的管理功能,包括資源屬性增加、修改和查看、備件維修狀態和記錄、保障單位信息管理等;系統管理負責管理健康管理系統,主要包括對用戶的增加、刪除和權限管理、各類數據和報告的生成與導入導出、用戶操作的日志管理等。

健康管理系統設計采用B/S架構,用戶通過瀏覽器訪問健康管理服務端并提交業務請求,服務器便可以完成相應處理工作,之后再將運算結果作為響應傳遞給客戶端。雷達健康管理系統還可以與外部系統交互,如雷達顯控臺、交互式電子手冊和上級指揮中心等。健康管理系統將健康管理過程中的數據或處理結果發送給雷達顯控臺,以便提供及時的故障提示告警或實時的狀態監測;健康管理系統關聯交互式電子手冊,發生故障后可以基于健康管理系統生成的維保決策結果,調用交互式電子手冊指導后期的維修活動;健康管理系統還可以與上級指揮中心進行通信,方便指揮中心監控全部管轄裝備的健康狀態和后勤保障需求。

在設計和部署健康管理系統時,先對健康管理對象即雷達完成健康管理模型的構建,包括產品模型和功能模型:產品模型又分為雷達結構樹、參數、屬性等;功能模型包括故障模式、故障診斷方法、評估方法、預測算法、維修決策方法等;再基于生成的模型為雷達生成狀態監測、故障診斷、健康狀態評估和維修預測等方面的業務應用。這種設計方法將健康管理對象與業務進行邏輯分離,解除了二者之間的緊耦合關系,內部邏輯清晰,雷達健康管理模型的構建、管理、升級和加載使得系統具備快速部署、通用性強、易于維護的優勢。

2.2 核心功能設計

雷達健康管理系統是對雷達的全方位智能監控和感知技術,是對傳統BIT功能的全面拓展,能夠實現裝備的視情維修,有利于提高裝備任務執行可靠性和降低裝備維修費用,其核心功能包括數據獲取及處理、狀態監測、故障診斷、故障預測、狀態評估和維修保障決策。

2.2.1 數據獲取及處理

數據獲取及處理是雷達健康管理系統的運行基礎,雷達包含大量的電子設備和微波器件,傳感器是數據的來源,各級LRU監控軟件或分系統級BIT軟件將表征模塊運行狀態的電壓、電流、相位、駐波等重要參數收集起來,再通過可靠的內部總線傳輸至PHM系統,PHM系統接收到原始數據后對數據進行解碼、提取、轉換、存儲等操作,形成供PHM系統使用的標準格式數據。在艦載雷達運行過程中,PHM系統不斷存儲運行過程中的狀態信息以形成歷史數據,基于長期的歷史數據進行算法訓練,是生成故障預測算法的數據基礎。

2.2.2 狀態監測

狀態監測是雷達健康管理系統的初始環節,實現對艦載雷達下轄各分系統及部件運行狀態的實時監控,對反映艦載雷達健康狀況的重要參數進行全面監測,并通過圖表等可視化方式將具體信息直觀地顯示給用戶。艦載雷達監測參數可以分為3類:

(1)數據類信息,包括電壓、電流、溫度、濕度、功率、駐波、CPU使用率、內存占用率等數據,以具體采樣或監測數值進行轉換監測;

(2)狀態類信息,包括運行狀態、通信狀態、程序加載狀態、門開關、加電狀態等,以數字(0/1)表征是或否進行監測;

(3)文字類信息,包括故障信息、備件信息、維修信息等,以自動填報或人工填報的文字表格進行監測。

2.2.3 故障診斷

故障診斷是雷達健康管理系統在傳統BIT功能基礎上的進一步提升。目前,BIT功能已經成熟地應用于艦載雷達各分系統,可以自動監控雷達分系統所轄各部件的運行狀態,發生故障時能夠自動定位并隔離故障,并且對于具有破壞性故障和影響整機運行的故障能夠執行實時的保護措施,避免設備損壞。PHM故障診斷在此之上能夠將當前故障現象和歷史故障記錄相結合,根據各分系統故障關聯關系及故障樹完成推理分析,從而更加及時和準確地診斷故障,定位到可更換單元,并給出故障的詳細信息、告警提示和基礎的解決辦法。

2.2.4 故障預測

故障預測是雷達健康管理系統區別于傳統BIT的核心功能。對于具有損傷標尺的部件,可以通過其明確的退化機理或使用壽命閾值建立線性退化模型來完成故障預測,且預測精度較高[6]。但是,由于艦載雷達系統內部具備明確失效機理的部件較少,通常為電機、風機、匯流環等機電模塊,可實施范圍較小。

大部分電子設備的退化規律不明確,在不同的環境和工作應力下發生故障的概率呈現隨機性,難以提取表征電子設備工作狀態的特征信息,因此故障預測的意義不大,關注點還是放在部件可靠性設計、及時的故障診斷和定位功能上。

當輸出性能指標或狀態信息能夠反映部件工作衰退變化趨勢時,故障預測功能在這種應用場景下最為有效。首先要對部件由正常到退化再到故障的全過程歷史數據進行數據處理和統計分析,得出歷史數據的特征和分布情況,再完成特征參數選擇,得到能夠表征部件退化過程的關鍵信號,最后可選擇支持向量機、貝葉斯、隨機森林、決策樹回歸等機器學習算法進行預測,通過對比不同算法與參數權重的預測結果得到算法和參數的最優組合,以提高預測的準確性。這種預測方法需要大量的樣本數據支撐,而目前在艦載雷達領域對于這部分部件工作狀態信息的采集不夠全面,須要在雷達分系統和模塊設計時考慮到故障預測功能的需求,設置更加全面的傳感器和檢測裝置。此外,部件運行歷史數據相對缺失:一是傳統BIT缺少歷史數據記錄功能;二是獲取單一種類部件正常到故障的狀態信息時間周期不確定。因此,健康管理系統中建立數據存儲模塊不間斷地記錄部件的工作狀態信息,當雷達內部某一類部件數量較多時,例如功放組件、T/R組件、電源等,基于同一部件工作狀態的相似性可以更加有效地得到該部件的退化過程數據。

2.2.5 狀態評估

狀態評估是雷達健康管理系統的又一重要功能,負責完成艦載雷達及關鍵分系統健康狀態的綜合評估,一般包括雷達健康度、探測性能和任務可執行度評估[1,7]。

由于艦載雷達內部電子設備眾多,不同電子設備失效對于雷達的影響不盡相同,有些電子設備故障只影響某一分系統,有些電子設備會做硬件故障冗余和重構功能,其故障對雷達性能不造成影響或影響很小。因此,首先要建立雷達整機健康度評估體系,根據實時狀態監測和故障診斷結果對當前雷達健康狀態作出定性評價,再通過不同顏色進行分級顯示。

雷達探測性能主要指雷達探測威力、精度、跟蹤、抗干擾等指標。以有源相控陣雷達為例,T/R組件故障數量及位置對雷達性能指標的影響差別很大,在雷達運行時陣面內監測通過幅相校準結果做出補償,可以根據幅相監測結果獲得組件各通道幅度及相位信息,從而計算得到等效的天線方向圖,包括發射及接收波束增益、副瓣電平、波束寬度等指標,再根據雷達威力評估算法得到雷達當前探測威力、測角精度等與設計值的偏差。

在健康管理系統中建立與雷達的作戰任務對應的評估模型,例如警戒探測、目標指示、氣象探測等,制訂執行任務需要達到的性能指標和關聯的分系統及部件的故障狀態,判定雷達是否具備完成該任務的能力,輸出能夠執行、降級執行和無法執行等評價結果。

2.2.6 維修保障決策

維修保障決策是雷達健康管理系統的最終環節,能夠根據故障診斷、故障預測及資源備件等信息,自動生成雷達維修保障方案。在健康管理系統中建立維修單元、維修行為和維修工卡,在維修工卡中詳細定義維修原因、保障單位、維修方法、耗材及具體步驟等,當現有備件數量不足或沒有該型號備件時給出警示信息,并且能夠關聯IETM交互式電子手冊進一步指導維修行為。在維修過程中,維修保障人員確認實際故障并錄入故障信息,包括維修或更換的模塊、維修人員、維修步驟、用到的備件數量和種類、維修時間等,實現維修過程的跟蹤管理。

2.3 應用案例

基于某型艦載雷達完成健康管理系統的應用實施,具體流程如圖2所示。

首先,分析雷達產品,包括雷達系統組成、FMEA分析、故障樹、作戰任務、評估體系、保障信息等;

其次,構建艦載雷達健康管理模型,包括雷達產品結構樹、各分系統狀態數據接收及解碼方法、數據處理及特征提取方法、故障判據及診斷推理、預測算法及參數設置、雷達健康度及任務可執行度評估模型和維修保障策略;

圖2 艦載雷達PHM系統實現技術流程

最后,基于構建好的艦載雷達健康管理模型,健康管理系統對實時獲取到的雷達各分系統BIT數據進行解析處理,實現雷達實時狀態監測、故障診斷及預測、健康狀態評估功能,并且依據故障診斷、評估和預測結果給出相應的保障決策,實現雷達裝備健康狀態的全方位管控。

3 結束語

本文基于艦載雷達的特點,采用分層設計、開發與應用分離方法,設計一種艦載雷達健康管理系統,并通過某型艦載雷達完成健康管理系統的應用實施。系統運行穩定,效果良好,對其他大型裝備健康管理系統的設計有一定的借鑒意義。

健康管理技術是一種大型復雜電子裝備全生命周期健康狀態管控的新技術,能夠有效降低艦載雷達維修保障成本,提高武器安全性、可用度與完好性,對提升艦載雷達的作戰效能具有顯著意義。