一种雷达嵌入式健康管理系统技术方案

本发明专利技术公开了一种雷达嵌入式健康管理系统，属于雷达管理技术领域。本发明专利技术构建于平台层，包括：数据层，用于从平台层获取与存取管理雷达的原始数据；应用层，用于雷达健康数据多维度解析与维修指导，包括状态监测模块、故障诊断模块；所述状态监测模块，对雷达测试参数进行监测，并将监测结果输出到故障诊断模块；所述故障诊断模块，对接收的监测结果依据诊断规则进行搜索匹配，针对搜索匹配到的规则，判断是否存在模糊组，若不存在，则输出诊断结论；若存在模糊组，则启动贝叶斯网络进行诊断。本发明专利技术实现雷达健康数据多维度分析，涵盖健康管理主要功能要素，可适应不同领域雷达的健康管理需求。

【技术实现步骤摘要】
一种雷达嵌入式健康管理系统
本专利技术属于雷达管理
，具体涉及一种雷达嵌入式健康管理系统。
技术介绍
随着相控阵技术的快速发展和大量应用，军民用雷达系统的复杂程度越来越高，对其综合保障能力提出更高要求。目前国外已经可以依据雷达装备实际基础，研制出与雷达装备结合的通用健康管理软件功能模块，从而解决装备故障诊断精度不高、装备性能状态评价薄弱、装备维护成本高等突出问题。但就国内而言，一方面，传统雷达诊断软件中的故障诊断通过故障树算法等实现，雷达装备监测信息不足，未充分利用故障部件的统计信息，无法进一步对雷达进行诊断。另一方面，雷达装备出现故障后如何判断装备状态否具备执行任务条件，可以执行哪些特定任务，如何综合评价雷达装备健康状态研究处于起步阶段。再一方面，装备综合保障主要以定期维护为主、维修保障成本高，故障发生后实现最优维修方案的决策，提高保障效率，尚未有好的应用。
技术实现思路
本专利技术目的是提供一种雷达嵌入式健康管理系统，能实现雷达健康数据多维度分析，涵盖健康管理主要功能要素，可适应不同领域雷达的健康管理需求。具体地说，本专利技术提供了一种雷达嵌入式健康管理系统，包括：数据层，用于获取与存取管理雷达的原始数据；应用层，用于雷达健康数据多维度解析与维修指导，包括状态监测模块、故障诊断模块；所述状态监测模块，对雷达测试参数进行监测，并将监测结果输出到故障诊断模块；所述故障诊断模块，对接收的监测结果依据诊断规则进行搜索匹配，针对搜索匹配到的规则，判断是否存在模糊组，若不存在，则输出诊断结论；若存在模糊组，则启动贝叶斯网络进行诊断；表示层用于呈现各功能模块的结果展示。进一步的，所述诊断规则包括规定各故障模式的格式、故障模式的危害等级、故障模式的编码、故障发生时逻辑判断、故障部件编号，通过诊断模型文件定义。进一步的，所述启动贝叶斯网络进行诊断的具体方法包括：构建贝叶斯网络，其中，父节点为故障类型，子节点为故障征兆，父节点与子节点有向边的连接表征故障类型与故障征兆间的因果关系；设定父节点与子节点关联关系；将各个故障类型的发生概率作为故障类型的先验概率；基于故障类型发生后该故障征兆发生的概率，利用网络参数学习算法计算获得故障征兆发生的条件概率；基于状态监测模块接收的监测结果，按照贝叶斯公式计算各个故障类型发生的后验概率，最大的后验概率对应的故障作为启动贝叶斯网络进行诊断的结果。进一步的，对记录有历史状态数据的雷达装备，所述先验概率计算的方法为从雷达装备历史状态数据中提取各故障类型的发生频次信息，按下式计算所得的故障率γ作为故障类型的先验概率：其中，C为时间范围Δt内发生故障的个数；N为雷达装备使用的同类部件的个数，，Δt为使用雷达装备的时间。进一步的，获得所述先验概率的具体方法包括：(1)确定需要获取先验概率的故障类型的影响因素集U，U＝{u1,u2,u3,ui...um}，其中ui为一项影响该故障类型是否发生的因素，m代表该集合中因素个数；(2)确定故障类型发生概率的评价等级，即评价该故障类型发生各种可能结果的可能性大小评价集为V，V＝{v1,v2,v3,v4,v5}＝{很高,高,中,低,很低}，将故障类型发生可能性划分为5个等级；(3)构建U与V之间的模糊关系矩阵R，用于评价各个影响因素ui与各种可能结果的可能性大小评价集V的对应关系；定义模糊关系矩阵R表达式：其中，Ri代表对影响因素ui导致该故障类型发生的可能性评价，rij代表针对第i影响个因素，作出第j种评价的可能性，其中0≤rij≤1，m代表影响因素个数，n代表评价集合中评语集中等级个数；(4)结合不同影响因素影响的重要程度，对评价结果的影响赋予不同的权重ai，得到权系数矩阵A的表达式：A＝{a1,a2,a3,ai…am}，其中(5)计算获得模糊综合评价矩阵B，得出评价结果，模糊综合评价矩阵为B为：将模糊综合评价矩阵B中最大的参数相应的概率值作为该故障类型的先验概率。进一步的，所述应用层还包括健康评价模块，健康评价模块接收故障诊断模块的输出结果，并对该输出结果进行如下判断：如果没有故障发生，则直接输出系统健康的结论，结束；如果存在故障，则进一步判断故障对应危害等级否为是I级或者II级；如果是I级或者II级，则直接输出雷达停机维修的结论，结束；如果故障对应危害等级是IV级或者III级，则进一步由健康指数计算模型及性能输入参数计算雷达整机系统的健康指数，依据健康指数值进行相应的装备维护。进一步的，所述计算雷达整机系统的健康指数的具体方法如下：其中其中，样本数据为(xi,y)的形式，xi为健康指数计算模型的性能输入参数，y是雷达健康指数，θ为调整系数，取值范围在1～2之间，用于使得雷达健康指数y的范围在0～1；wT为各个性能参数的权系数的集合。进一步的，所述确定各个性能参数的权系数wi的具体方法如下：wi＝kiw1i+(1-ki)w2i其中,w1i为通过专家赋值法获得的第i个专家赋值权系数，∑w1i＝1；w2i为通过影响赋值法取得的第i个影响赋值权系数，∑w2i＝1；ki为待确定系数；将各个性能参数指标按其重要程度分为若干重要等级；每个等级下可能含有若干个评价指标，这些同等级指标间重要性差别远小于跨等级指标差别；确定wi遵循的判断规则如下：(1)若各个评价指标处于同一个重要等级上，则取ki＝0，即wi＝w2i；(2)若评价指标处于不同重要等级上，同时专家赋值法获得权系数排列顺序与影响赋值法获得权系数排列顺序一致，则取ki＝0，即wi＝w2i；(3)若评价指标处于不同重要等级上，同时专家赋值法获得权系数排列顺序与影响赋值法获得权系数排列顺序不完全相同，但是评价指标对应重要等级排序是一致的，则取ki＝0.5，即wi＝w1i+w2i；(4)若评价指标处于不同重要等级上，同时专家赋值法获得权系数排列顺序与影响赋值法获得权系数排列顺序完全不相同，评价指标的权系数对应重要等级排序也不一致，则取ki＝1，即wi＝w1i。进一步的，所述应用层还包括维修决策模块；维修决策模块接收故障诊断模块、健康评价模块的输出数据，并对雷达系统状态进行判断，即判断是否存在影响任务执行的故障；如果存在，则直接通知维护人员进行修复；如果不存在此类故障，则进一步判断系统健康状态是否满足任务需求；如果满足，则直接结束本次维修决策过程，如果不满足，则执行维修决策判断，即基于功效系数的雷达决策模型给出最优维修方案。进一步的，所述基于功效系数的雷达决策模型给出最优维修方案的具体方法如下：(1)定义维修方案集合F：针对维修任务的需求，确定与任务相关的决策指标{xj|j＝1,2,3…q}，设定每个维修方案f涵盖涉及的决策指标xj，f＝{xj|i＝1,2,3…q}；假设雷达装备本文档来自技高网...

【技术保护点】
1.一种雷达嵌入式健康管理系统，其特征在于，雷达嵌入式健康管理系统包括：/n数据层，用于获取与存取管理雷达的原始数据；/n应用层，用于雷达健康数据多维度解析与维修指导，包括状态监测模块、故障诊断模块；/n所述状态监测模块，对雷达测试参数进行监测，并将监测结果输出到故障诊断模块；/n所述故障诊断模块，对接收的监测结果依据诊断规则进行搜索匹配，针对搜索匹配到的规则，判断是否存在模糊组，若不存在，则输出诊断结论；若存在模糊组，则启动贝叶斯网络进行诊断；/n表示层用于呈现各功能模块的结果展示。/n

【技术特征摘要】
1.一种雷达嵌入式健康管理系统，其特征在于，雷达嵌入式健康管理系统包括：
数据层，用于获取与存取管理雷达的原始数据；
应用层，用于雷达健康数据多维度解析与维修指导，包括状态监测模块、故障诊断模块；
所述状态监测模块，对雷达测试参数进行监测，并将监测结果输出到故障诊断模块；
所述故障诊断模块，对接收的监测结果依据诊断规则进行搜索匹配，针对搜索匹配到的规则，判断是否存在模糊组，若不存在，则输出诊断结论；若存在模糊组，则启动贝叶斯网络进行诊断；
表示层用于呈现各功能模块的结果展示。


2.根据权利要求1所述的雷达嵌入式健康管理系统，其特征在于，所述诊断规则包括规定各故障模式的格式、故障模式的危害等级、故障模式的编码、故障发生时逻辑判断、故障部件编号，通过诊断模型文件定义。


3.根据权利要求1所述的雷达嵌入式健康管理系统，其特征在于，所述启动贝叶斯网络进行诊断的具体方法包括：
构建贝叶斯网络，其中，父节点为故障类型，子节点为故障征兆，父节点与子节点有向边的连接表征故障类型与故障征兆间的因果关系；设定父节点与子节点关联关系；
将各个故障类型的发生概率作为故障类型的先验概率；
基于故障类型发生后该故障征兆发生的概率，利用网络参数学习算法计算获得故障征兆发生的条件概率；
基于状态监测模块接收的监测结果，按照贝叶斯公式计算各个故障类型发生的后验概率，最大的后验概率对应的故障作为启动贝叶斯网络进行诊断的结果。


4.根据权利要求3所述的雷达嵌入式健康管理系统，其特征在于，对记录有历史状态数据的雷达装备，所述先验概率计算的方法为从雷达装备历史状态数据中提取各故障类型的发生频次信息，按下式计算所得的故障率γ作为故障类型的先验概率：



其中，C为时间范围Δt内发生故障的个数；N为雷达装备使用的同类部件的个数，，Δt为使用雷达装备的时间。


5.根据权利要求4所述的雷达嵌入式健康管理系统，其特征在于，获得所述先验概率的具体方法包括：
(1)确定需要获取先验概率的故障类型的影响因素集U，U＝{u1,u2,u3,ui...um}，其中ui为一项影响该故障类型是否发生的因素，m代表该集合中因素个数；
(2)确定故障类型发生概率的评价等级，即评价该故障类型发生各种可能结果的可能性大小评价集为V，V＝{v1,v2,v3,v4,v5}＝{很高,高,中,低,很低}，将故障类型发生可能性划分为5个等级；
(3)构建U与V之间的模糊关系矩阵R，用于评价各个影响因素ui与各种可能结果的可能性大小评价集V的对应关系；定义模糊关系矩阵R表达式：



其中，Ri代表对影响因素ui导致该故障类型发生的可能性评价，rij代表针对第i影响个因素，作出第j种评价的可能性，其中0≤rij≤1，m代表影响因素个数，n代表评价集合中评语集中等级个数；
(4)结合不同影响因素影响的重要程度，对评价结果的影响赋予不同的权重ai，得到权系数矩阵A的表达式：
A＝{a1,a2,a3,ai…am}，其中ai≥0；
(5)计算获得模糊综合评价矩阵B，得出评价结果，模糊综合评价矩阵为B为：



将模糊综合评价矩阵B中最大的参数相应的概率值作为该故障类型的先验概率。


6.根据权利要求1所述的雷达嵌入式健康管理系统，其特征在于，所述应用层还包括健康评价模块，健康评价模块接收故障诊断模块的输出结果，并对该输出结果进行如下判断：
如果没有故障发生，则直接输出系统健康的结论，结束；如果存在故障，则进一步判断故障对应危害等级否为是I级或者II级；如果是I级或者II级，则直接输出雷达停机维修的结论，结束；如果故障对应危害等级是IV级或者III级，则进一步由健康指数...

【专利技术属性】
技术研发人员：吕永乐，詹进雄，渠浩，
申请(专利权)人：中国电子科技集团公司第十四研究所，
类型：发明
国别省市：江苏;32