武器裝備故障預(yù)測相關(guān)分析

曹萌 蘇小煒 黃笑宇

摘 要：隨著高層次技術(shù)創(chuàng)新武器裝備的相繼投入列裝，對新一代裝備能否進(jìn)行有效的裝備狀態(tài)優(yōu)化監(jiān)控和裝備故障風(fēng)險預(yù)測就已經(jīng)成為武器技術(shù)安全保障的一個重點。為了能夠使企業(yè)裝備安全保障管理人員更好的深入了解裝備故障分析預(yù)測相關(guān)技術(shù)及其實際作用，簡要詳細(xì)介紹了裝備故障分析預(yù)測相關(guān)技術(shù)及其應(yīng)用類別。重點分析總結(jié)了相關(guān)故障處理預(yù)測分析技術(shù)在我國武器裝備行業(yè)中的實際應(yīng)用發(fā)展現(xiàn)狀，主要內(nèi)容包括專家系統(tǒng)、灰色區(qū)域模型、神經(jīng)網(wǎng)絡(luò)、支持機和向量機以及其他一些相關(guān)故障分析預(yù)測技術(shù)方法在武器裝備中的故障分析預(yù)測技術(shù)中的實際應(yīng)用。通過分析總結(jié)當(dāng)前的學(xué)術(shù)研究成果，指出了汽車故障影響預(yù)測分析技術(shù)今后研究發(fā)展的若干研究方向。

關(guān)鍵詞：武器裝備;故障預(yù)測;方法

引言：

隨著現(xiàn)代科技的不斷進(jìn)步，現(xiàn)代化和高新技術(shù)的新型武器裝備也陸續(xù)地被列裝到各部隊。而定期保養(yǎng)維修工作時間如果制定得不合理，也容易直接造成人力資源的嚴(yán)重消耗浪費，因此目前傳統(tǒng)的質(zhì)量保障管理方式已經(jīng)不能完全滿足要求。現(xiàn)在各國對于裝備安全保障主要都可以采取視實際情況的維修，它們也可以有效避免我國傳統(tǒng)裝備保障管理方式的不足。而系統(tǒng)故障信息預(yù)測處理技術(shù)就是目前支撐視覺色情系統(tǒng)維修的一項關(guān)鍵技術(shù)。

1 故障預(yù)測技術(shù)

故障技術(shù)預(yù)測汽車技術(shù)診斷是比汽車故障預(yù)測診斷更高級的汽車維修安全保障技術(shù)形式，是一門領(lǐng)域涉及工程機械、電子、計算機、通信、控制以及建筑材料等多個門學(xué)科互相綜合的新興技術(shù)邊緣學(xué)科。

基于這個模型的產(chǎn)品故障損害預(yù)測計算方法主要是通過對關(guān)鍵功能部件損傷的隨機計算來準(zhǔn)確評估一個關(guān)鍵產(chǎn)品零部件的功能損傷嚴(yán)重程度，通過為此建立一個物理計算模型或隨機計算過程進(jìn)行建模，用來準(zhǔn)確評估關(guān)鍵部件間的剩余使用壽命。但在建筑工程設(shè)計實際中，系統(tǒng)往往比較復(fù)雜，精確的系統(tǒng)模型難以快速建立，這就大大限制了基于系統(tǒng)模型化的預(yù)測系統(tǒng)方法的廣泛應(yīng)用。物理知識模型、濾波器以及基于科學(xué)知識的分析方法都同樣可以被規(guī)劃為基于知識模型的應(yīng)用故障分析預(yù)測解決技術(shù)。

基于強大數(shù)據(jù)分析驅(qū)動的有用故障信息預(yù)測分析技術(shù)以用戶采集的相關(guān)數(shù)據(jù)為基礎(chǔ)，通過分析挖掘出這些采集數(shù)據(jù)中可能隱含的有用故障信息，得到用戶需要的預(yù)測結(jié)果。但是，對于復(fù)雜技術(shù)裝備，歷史數(shù)據(jù)的質(zhì)量獲取較為困難，同時歷史數(shù)據(jù)的質(zhì)量準(zhǔn)確性和廣泛應(yīng)用性能不能完全滿足要求，這些都仍然是我們需要進(jìn)一步深入研究的關(guān)鍵問題。典型的基于龐大數(shù)據(jù)系統(tǒng)驅(qū)動的分析方法主要有：專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、灰色區(qū)域模型以及其他數(shù)據(jù)相關(guān)分析方法。

2 幾種故障預(yù)測技術(shù)在武器裝備中的應(yīng)用

2.1專家系統(tǒng)方法

專家系統(tǒng)由于其中采用了眾多專家專業(yè)知識，從而不僅具有了行業(yè)專家的豐富實戰(zhàn)經(jīng)驗與正確判斷能力從而并能對每個用戶的真實提問和問題答案的邏輯推理以及過程結(jié)果做出正確解釋。專家系統(tǒng)對于那些非常難于快速建立精確化的數(shù)學(xué)系統(tǒng)模型和非線性數(shù)學(xué)系統(tǒng)的人具有明顯的技術(shù)優(yōu)勢。李茂林、張晶等在充分綜合分析某新型自行火炮的電氣系統(tǒng)的及時失效故障模式與復(fù)雜故障發(fā)生機理的基礎(chǔ)上，綜合分析故障處理現(xiàn)象，采用正向自動推理診斷為主、反向自動推理診斷為輔的兩種混合模式推理診斷機制對推理機理的進(jìn)行綜合實現(xiàn)，開發(fā)電氣系統(tǒng)復(fù)雜故障現(xiàn)象綜合處理診斷專家系統(tǒng)，結(jié)果表明，該專家系統(tǒng)不僅能夠有效提高對電氣系統(tǒng)的及時保障處理水平，提高電氣保障技術(shù)人員及時解決復(fù)雜電氣系統(tǒng)故障問題的工作能力。

2.2灰色模型方法

灰色區(qū)域模型（greymoded）由一位我國著名教授鄧聚龍在1952年級中提出。由于本次gm（1，1）改進(jìn)模型系統(tǒng)缺乏對多功能特征參數(shù)的綜合考慮且還存在復(fù)雜背景式數(shù)值系統(tǒng)構(gòu)建及自動化適應(yīng)上的存在缺陷。李萬領(lǐng)等針對問題改建模型gm（1，1）預(yù)測模型的方法預(yù)測故障維數(shù)主要是依靠實踐經(jīng)驗難以確定這一復(fù)雜問題，采用poposo等算法對該模型參數(shù)組合進(jìn)行模型優(yōu)化，并將經(jīng)過優(yōu)化的預(yù)測模型并實際運用納入到某雷達(dá)制導(dǎo)系統(tǒng)雷達(dá)發(fā)射波束自動控制技術(shù)系統(tǒng)的預(yù)測故障結(jié)果預(yù)測中，預(yù)測故障結(jié)果顯示，預(yù)測故障結(jié)果的最大預(yù)測誤差只有1.32%。

2.3神經(jīng)網(wǎng)絡(luò)方法

神經(jīng)網(wǎng)絡(luò)主要有多種神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)類型（cbp小波神經(jīng)網(wǎng)絡(luò)、rbf大波神經(jīng)網(wǎng)絡(luò)、小波神經(jīng)網(wǎng)絡(luò)等等祭，由于其本身具有較強的非線性信息映射適應(yīng)能力、自動化學(xué)習(xí)適應(yīng)能力和車輛動態(tài)自動化適應(yīng)能力，因此常廣泛應(yīng)用于汽車故障分析診斷與事故預(yù)測。張小玉等將某些大型飛機整個發(fā)動機系統(tǒng)運行中的振動音頻信號的振幅頻率大小情況作為分析判斷整個發(fā)動機系統(tǒng)故障與否的重要依據(jù)，將飛機采集的音頻數(shù)據(jù)處理后一并輸入一個bp的網(wǎng)絡(luò)中，得到了較高的故障預(yù)測分析精度。

2.4支持向量機方法

支持向量的隨機函數(shù)（csvm）算法是近年人們根據(jù)現(xiàn)代統(tǒng)計與科學(xué)計算理論最新提出的一種基于機器人工學(xué)習(xí)的算法，它主要是具有小規(guī)模樣本人工學(xué)習(xí)和自動學(xué)習(xí)計算能力強兩個基本優(yōu)勢。田干等將向量支持最小向量參數(shù)回歸機（csvp）和最小向量支持最大向量參數(shù)回歸機（clvsvr）都結(jié)合運用來達(dá)到解決液體噴氣火箭運載發(fā)動機發(fā)射參數(shù)向量預(yù)測中的問題，通過分析對比兩種預(yù)測方法的參數(shù)預(yù)測實驗結(jié)果，發(fā)現(xiàn)其在svr中的預(yù)測結(jié)果精度雖然要遠(yuǎn)遠(yuǎn)好于clvsvr，但后者的發(fā)射訓(xùn)練持續(xù)時間遠(yuǎn)遠(yuǎn)要小于前者。王久崇等將最大魚群測量算法（cafe）和最小蜂群測量算法有機結(jié)合，來分別優(yōu)化最小二維相乘向上測量機（clssviv）的最小規(guī)則化網(wǎng)絡(luò)參數(shù)和最小寬帶網(wǎng)絡(luò)參數(shù)，用最新改進(jìn)的飛機模型對某型民用航空航天電子運輸設(shè)備的飛機電源模塊故障進(jìn)行預(yù)測故障精度預(yù)測，結(jié)果表明，預(yù)測故障精度已經(jīng)得到了顯著性的提高。

2.5其他方法

其他的網(wǎng)絡(luò)預(yù)測分析方法中，運用較多的主要技術(shù)有網(wǎng)絡(luò)虛擬化和現(xiàn)實預(yù)測技術(shù)和模糊對象理論。虛擬結(jié)合現(xiàn)實裝備技術(shù)通過利用計算機技術(shù)模擬檢驗裝備的實際運行狀態(tài)，改變與模擬裝備實際性能息息相關(guān)的各種參數(shù)，對其性能進(jìn)行裝備故障風(fēng)險預(yù)測。模糊故障理論則主要是根據(jù)不同裝備系統(tǒng)故障預(yù)測特征信息來源不同，其特征具有模糊性和高度不確定性的理論特點，來研究建立模糊故障預(yù)測理論模型，進(jìn)行裝備故障特征預(yù)測。

結(jié)論：

本文主要重點介紹了武器故障發(fā)生預(yù)測控制技術(shù)的基本概念及其應(yīng)用分類，重點突出闡述了其在我國現(xiàn)有武器裝備中以及應(yīng)用中的情況，并對其未來發(fā)展趨勢做了重點展望。從越來越多的實際應(yīng)用技術(shù)實例中，我們不難看出發(fā)現(xiàn)電子故障原因預(yù)測分析技術(shù)在現(xiàn)代武器裝備安全保障方而的廣泛應(yīng)用對于加快提高現(xiàn)代我軍武器裝備的安全保障服務(wù)水平發(fā)展具有明顯的戰(zhàn)略推動力和作用。

參考文獻(xiàn)：

[1]段飛飛，李紅才.武器裝備故障預(yù)測與健康管理視情維修系統(tǒng)設(shè)計[J].質(zhì)量與可靠性，2020（06）：33-36.

[2]羅曉亮，涂龍，王浩旭，王曉晶，胡振峰，喻凡坤，梁秀兵.無人機故障預(yù)測與健康管理研究現(xiàn)狀及發(fā)展[J].計算機測量與控制.

[3]邵璐璐，牛侃，于志超.基于CPS的裝備故障預(yù)測與健康管理體系架構(gòu)[J].數(shù)字通信世界，2020（04）：138-139.

[4]聞化，胡志偉.裝備故障預(yù)測與健康管理能力驗證評估技術(shù)[J].計算機測量與控制，2019，27（11）：260-264.

（中國運載火箭技術(shù)研究院，北京 100076）