鐘詩勝，譚治學(xué)

(哈爾濱工業(yè)大學(xué)機(jī)電工程學(xué)院， 哈爾濱150001)

0 引言

為提高防空雷達(dá)系統(tǒng)的保障能力，應(yīng)在現(xiàn)有維修模式即事后維修的基礎(chǔ)之上引入健康管理理念，評(píng)估雷達(dá)在使用壽命期間的健康程度，從而在更廣泛的時(shí)間跨度內(nèi)實(shí)現(xiàn)對(duì)雷達(dá)的狀態(tài)跟蹤。防空雷達(dá)組成復(fù)雜，故障模式多樣，僅靠整機(jī)級(jí)別的健康狀態(tài)表述難以得出準(zhǔn)確的評(píng)價(jià)結(jié)果，為此，應(yīng)細(xì)化評(píng)價(jià)對(duì)象，針對(duì)雷達(dá)各分系統(tǒng)分別制定具有針對(duì)性的專用評(píng)價(jià)方法。雷達(dá)系統(tǒng)中發(fā)射機(jī)故障率最高，功能地位重要，應(yīng)為首要研究對(duì)象。其健康狀態(tài)評(píng)價(jià)面臨兩個(gè)問題:首先，雷達(dá)發(fā)射機(jī)狀態(tài)監(jiān)控參數(shù)眾多且異構(gòu)性強(qiáng)，電磁信號(hào)參數(shù)、機(jī)械性能參數(shù)、電力參數(shù)、熱參數(shù)深度耦合，采用對(duì)各元件進(jìn)行物理建模的方法，會(huì)面臨過高的建模代價(jià)，并且難以保證模型的魯棒性。因而，應(yīng)該尋找一種既能夠?qū)Ξ悩?gòu)參數(shù)信息統(tǒng)一描述，又能在不同的使用環(huán)境下保持其穩(wěn)定性的方法。目前，僅有系統(tǒng)工程方法可以同時(shí)滿足這兩個(gè)特性。其次，雷達(dá)發(fā)射機(jī)健康狀態(tài)的變化過程是動(dòng)態(tài)的，現(xiàn)在通用的多種系統(tǒng)工程方法缺乏對(duì)系統(tǒng)動(dòng)態(tài)特性的準(zhǔn)確描述，直接采用此類方法往往難以得出較為準(zhǔn)確的結(jié)果。通常可在一定理論研究的基礎(chǔ)上，利用標(biāo)準(zhǔn)化來解決參數(shù)異構(gòu)性問題?，F(xiàn)在被廣泛使用的模糊層次分析法擁有一定的改造空間，可對(duì)其進(jìn)行相應(yīng)的動(dòng)態(tài)特性改造，并利用模糊化方法提高其評(píng)價(jià)的準(zhǔn)確性。

1 雷達(dá)發(fā)射機(jī)健康狀態(tài)表征

1.1 雷達(dá)發(fā)射機(jī)組成結(jié)構(gòu)及工作過程

本文的研究對(duì)象是某型地面防空系統(tǒng)搜尋雷達(dá)的集中式全固態(tài)發(fā)射機(jī)。該固態(tài)雷達(dá)發(fā)射機(jī)的工作過程如圖1所示。發(fā)射機(jī)接收到激勵(lì)端傳來的射頻輸入，依靠多級(jí)放大固態(tài)單元、功率分配器和功率合成器對(duì)輸入信號(hào)進(jìn)行放大，然后傳輸給發(fā)射單元;循環(huán)液冷系統(tǒng)負(fù)責(zé)對(duì)熱電路進(jìn)行冷卻;多路并聯(lián)低壓開關(guān)電源為每個(gè)獨(dú)立的功率放大組件供電;控制保護(hù)系統(tǒng)負(fù)責(zé)對(duì)發(fā)射機(jī)的狀態(tài)參數(shù)進(jìn)行監(jiān)控，并在出現(xiàn)狀態(tài)異常時(shí)啟用相應(yīng)的故障隔離機(jī)制保護(hù)系統(tǒng)［1］。

1.2 雷達(dá)發(fā)射機(jī)健康狀態(tài)參數(shù)

雷達(dá)制造單位在發(fā)射機(jī)內(nèi)部布置了大量機(jī)內(nèi)測試裝置，支持裝備的遠(yuǎn)程監(jiān)控和故障診斷，該型發(fā)射機(jī)在運(yùn)行過程當(dāng)中監(jiān)控的健康狀態(tài)參數(shù)如表1所示。

表1 發(fā)射機(jī)監(jiān)控的健康狀態(tài)參數(shù)

這些健康狀態(tài)參數(shù)數(shù)量較多且數(shù)據(jù)構(gòu)造形式多樣，處理方法和數(shù)據(jù)存儲(chǔ)方式難以逐一定制。宜以狀態(tài)數(shù)據(jù)的格式為依據(jù)，對(duì)其進(jìn)行格式劃分后，針對(duì)不同格式制定信息提取手段。如表1所示，參照MIMOSA提出的健康狀態(tài)數(shù)據(jù)格式定義標(biāo)準(zhǔn)，將雷達(dá)發(fā)射機(jī)的健康參數(shù)數(shù)據(jù)劃分為五種:數(shù)據(jù)序列、數(shù)值型數(shù)據(jù)、波形數(shù)據(jù)、大型二進(jìn)制對(duì)象、標(biāo)量值［2］。

2 雷達(dá)發(fā)射機(jī)健康參數(shù)的標(biāo)準(zhǔn)化及綜合評(píng)價(jià)技術(shù)

數(shù)據(jù)采集單元收集到的健康狀態(tài)參數(shù)具有不同格式和信息量，不能直接作為健康評(píng)價(jià)模型的輸入信息。因此，在進(jìn)行健康狀態(tài)評(píng)價(jià)之前，需利用健康狀態(tài)參數(shù)的標(biāo)準(zhǔn)化方法實(shí)現(xiàn)參數(shù)的統(tǒng)一化度量。

為了構(gòu)建可方便實(shí)現(xiàn)工程化轉(zhuǎn)化的健康狀態(tài)評(píng)價(jià)模型，考慮將模糊層次分析法和模糊評(píng)價(jià)方法相結(jié)合，構(gòu)建評(píng)價(jià)模型的核心算法。模糊層次分析法是系統(tǒng)工程法的一種，采用模糊層次分析法完成綜合評(píng)價(jià)，可有效回避參數(shù)耦合問題，亦具有更強(qiáng)的全面性、合理性［3-4］;而模糊評(píng)價(jià)方法引入了［0，1］區(qū)間內(nèi)的隸屬度概念，有助于得到更為精確的評(píng)價(jià)結(jié)果［5］。但傳統(tǒng)模糊層次分析法具有兩點(diǎn)不足，妨礙了其在雷達(dá)發(fā)射機(jī)健康評(píng)價(jià)中的應(yīng)用:

(1)模糊判別矩陣的一致性校對(duì)過程繁復(fù)，且缺少理論性指導(dǎo);

(2)傳統(tǒng)模糊層次分析法對(duì)評(píng)價(jià)對(duì)象的影響因素動(dòng)態(tài)變化跟蹤能力不足。

為此，對(duì)原有的模糊層次分析方法進(jìn)行兩點(diǎn)改進(jìn):借助模糊一致判別矩陣的性質(zhì)簡化其一致性校對(duì)過程;在模糊判別矩陣中添加基于影響因素動(dòng)態(tài)特性的權(quán)重浮動(dòng)因子。

2.1 健康狀態(tài)隸屬度向量構(gòu)建及模型層次結(jié)構(gòu)劃分

健康狀態(tài)隸屬度向量是基于參數(shù)的劣化程度對(duì)裝備的健康狀態(tài)進(jìn)行映射的基礎(chǔ)，其構(gòu)建應(yīng)當(dāng)遵從軍方的雷達(dá)裝備狀態(tài)劃分標(biāo)準(zhǔn)。通過查閱《通用雷達(dá)裝備質(zhì)量監(jiān)控要求》，得知雷達(dá)裝備的狀態(tài)評(píng)估采用“四級(jí)六等”規(guī)范［6］。為此，應(yīng)構(gòu)建六維裝備健康狀態(tài)參數(shù)隸屬度向量，分別對(duì)應(yīng)雷達(dá)發(fā)射機(jī)的新品、堪用1、堪用2、堪用3、故障、報(bào)廢六個(gè)狀態(tài)。

本文層次分析法的層次模型呈三層結(jié)構(gòu)，如圖2所示。

圖2 綜合評(píng)價(jià)三層模型

底層為參數(shù)層;中間層為健康評(píng)價(jià)指標(biāo)層，在綜合考慮了軍用復(fù)雜裝備的“六性”［2］要求和發(fā)射機(jī)的保障重點(diǎn)后，選用射頻質(zhì)量、安全性和可靠性構(gòu)建;頂層為目標(biāo)層，包含了雷達(dá)發(fā)射機(jī)的健康狀態(tài)隸屬度向量和雷達(dá)發(fā)射機(jī)的健康評(píng)價(jià)論斷。評(píng)價(jià)過程采用自底向上、逐層綜合的方式，不斷利用模糊變換算子和因素權(quán)重向量來完成信息綜合，最終得出頂層的健康評(píng)價(jià)指標(biāo)和雷達(dá)發(fā)射機(jī)健康狀態(tài)的評(píng)價(jià)結(jié)果。

2.2 參數(shù)的標(biāo)準(zhǔn)化方法

通過數(shù)據(jù)采集單元采集上來的原始數(shù)據(jù)，需經(jīng)過基于劣化程度的標(biāo)準(zhǔn)化處理，方可被健康評(píng)價(jià)模型使用。參數(shù)的劣化程度指的是參數(shù)與完全衰退閾值的接近程度，是其性能衰退程度的模糊化表現(xiàn)形式。該值一般處于［0，1］區(qū)間，當(dāng)其為0表示參數(shù)未衰退，而其為1時(shí)表示參數(shù)已完全衰退。參數(shù)標(biāo)準(zhǔn)化的方法便是實(shí)現(xiàn)參數(shù)狀態(tài)向［0，1］區(qū)間映射的過程。表1已經(jīng)實(shí)現(xiàn)了健康狀態(tài)參數(shù)的格式劃分，以此為依據(jù)可實(shí)現(xiàn)多種格式數(shù)據(jù)的通用標(biāo)準(zhǔn)化處理。其中，標(biāo)量值和數(shù)值型數(shù)據(jù)的劣化程度計(jì)算過程已在文獻(xiàn)［6］中給出，如式(1)所示

式中:di為參數(shù)劣化程度;xit為參數(shù)在時(shí)間t時(shí)的參數(shù)值;xi2，xi3分別為參數(shù)未劣化狀態(tài)時(shí)的上、下限;xi1，xi4分別為參數(shù)的控保機(jī)制觸發(fā)上、下限;k為劣化速率控制因子，反映了指標(biāo)狀態(tài)與該因素指標(biāo)值變化的對(duì)應(yīng)關(guān)系［6］，k＞1表示監(jiān)控人員對(duì)參數(shù)的較小偏差具有較高的容忍度，反之亦然。k值應(yīng)該參照參數(shù)在不同偏離程度所具有的容忍度而選取，考慮到裝備參數(shù)一般留有一定的設(shè)計(jì)余量，因此k值一般應(yīng)大于1。

鑒于大型二進(jìn)制文件過于復(fù)雜(多為影音文件或特征碼文件)且需辨識(shí)技術(shù)的支持，此處不予討論;數(shù)據(jù)序列、大型二進(jìn)制文件和波形數(shù)據(jù)的標(biāo)準(zhǔn)化處理需要提取參數(shù)特征，而后結(jié)合單值型參數(shù)的處理方法進(jìn)行劣化程度計(jì)算。

1)數(shù)據(jù)序列

數(shù)據(jù)序列是一系列數(shù)值的組合(如脈沖序列)，如表1所示，數(shù)據(jù)序列包含的信息可通過特征提取方法來獲取其中的誤觸發(fā)率、漏脈沖和重復(fù)頻率穩(wěn)定度特征，通?？蓪?duì)這些特征參數(shù)分別設(shè)定容忍閾值。而后按式(1)計(jì)算特征參數(shù)的劣化程度，對(duì)特征參數(shù)賦予權(quán)值并利用平均加權(quán)算子進(jìn)行綜合，便可以得出數(shù)據(jù)序列的劣化程度。

2)波形數(shù)據(jù)

波形數(shù)據(jù)劣化程度的計(jì)算也需要應(yīng)用特征提取方法。以雷達(dá)發(fā)射機(jī)的線性脈沖調(diào)制信號(hào)(如式(2)所示)為例，線性脈沖調(diào)制信號(hào)的參數(shù)評(píng)價(jià)需要從信號(hào)產(chǎn)生和處理過程入手，分析其對(duì)線性調(diào)頻信號(hào)的脈沖壓縮結(jié)果的影響，以實(shí)現(xiàn)對(duì)脈沖調(diào)制信號(hào)的劣化程度評(píng)價(jià)。

式中:s(t)為線性調(diào)頻信號(hào);Tp為矩形信號(hào)寬度;μ為調(diào)頻斜率。

如圖3所示，當(dāng)脈沖調(diào)制信號(hào)的波形為理想輸入時(shí)，脈沖壓縮信號(hào)為良好的窄脈沖信號(hào);而當(dāng)輸入附帶特征參數(shù)(如頂降、頂部波動(dòng)等)擾動(dòng)的脈沖調(diào)制波形后，得到的脈沖壓縮信號(hào)不但主瓣峰值出現(xiàn)了少許的下降，而且主瓣寬度也有一定加寬，噪聲的抑制效果也出現(xiàn)了劣化。

圖3 理想脈沖壓縮結(jié)果及帶有調(diào)制信號(hào)擾動(dòng)的脈沖壓縮結(jié)果

脈沖調(diào)制信號(hào)的劣化程度計(jì)算過程如下:首先，提取特征參數(shù):脈沖前后沿、脈沖頂降、頂部波動(dòng)和脈沖寬度。而后，評(píng)估特征參數(shù)對(duì)脈沖壓縮結(jié)果的影響:忽略掉雷達(dá)反射雜波，直接以雷達(dá)發(fā)射信號(hào)作為脈沖壓縮環(huán)節(jié)的輸入。可以發(fā)現(xiàn)，脈沖前后沿、脈沖頂降、脈沖頂部波動(dòng)和脈沖寬度的變化對(duì)射頻壓縮信號(hào)的主瓣寬度、信號(hào)雜散、旁瓣高度和峰值皆有不同程度的影響，結(jié)合數(shù)據(jù)序列的特征參數(shù)處理方法進(jìn)行加權(quán)計(jì)算，即可得出脈沖調(diào)制信號(hào)的劣化程度。

2.3 基于劣化度的浮動(dòng)權(quán)重模糊層次分析法

傳統(tǒng)模糊層次分析法的步驟為:(1)建立層次結(jié)構(gòu)模型;(2)建立各層次權(quán)重關(guān)系判別矩陣;(3)矩陣一致性檢驗(yàn);(4)權(quán)重向量求解;(5)實(shí)現(xiàn)綜合評(píng)價(jià)。下面將對(duì)權(quán)重關(guān)系判別矩陣的構(gòu)建、矩陣一致性檢驗(yàn)和權(quán)重向量求解方法的改進(jìn)進(jìn)行討論。

構(gòu)建參數(shù)的劣化程度隸屬度向量，求得所有異構(gòu)參數(shù)的劣化程度后，采用適當(dāng)?shù)碾`屬度函數(shù)(本文采用三角函數(shù))求得因素劣化程度對(duì)應(yīng)的狀態(tài)隸屬度向量 H1，H2，…，Hs。

2.3.1 建立各層次重要性對(duì)比矩陣

對(duì)因素的重要程度進(jìn)行估計(jì)，根據(jù)層次分析法的判別矩陣構(gòu)建方法，分別構(gòu)建每次層次評(píng)價(jià)過程的多個(gè)重要關(guān)系對(duì)比判別矩陣 B1，B2，…Bs［6］。為了能更精確地闡述權(quán)重關(guān)系直觀判別［7］，采用指數(shù)標(biāo)度代替原本的1-9線性標(biāo)度構(gòu)建權(quán)重關(guān)系判別矩陣，采用的指數(shù)標(biāo)度如表2所示。

表2 指數(shù)標(biāo)度的重要關(guān)系判別表

2.3.2 矩陣一致性檢驗(yàn)

在得到權(quán)重關(guān)系判別矩陣后，通過模糊一致判別矩陣和一致判別矩陣的轉(zhuǎn)換關(guān)系，將多個(gè)權(quán)重關(guān)系判別矩陣 B1，B2，… ，Bs轉(zhuǎn)換為模糊判別矩陣 F1，F(xiàn)2，…，F(xiàn)s。

模糊判別矩陣反映了專家對(duì)因素重要程度的直觀認(rèn)識(shí)，首先滿足單個(gè)專家的邏輯一致性，獲取單一專家的模糊一致判別矩陣，流程如圖4所示。

圖4 單一專家模糊一致判別矩陣獲取流程

1)單一模糊判別矩陣的一致性檢驗(yàn)

模糊一致矩陣性質(zhì)推論:非負(fù)互補(bǔ)矩陣F是模糊一致矩陣的充要條件，F(xiàn)的任意兩行之間的差向量的元素為固定值［8］。本文將利用此項(xiàng)性質(zhì)簡化一致性檢驗(yàn)過程。

(1)m＜n

p為重要性劃分界限，一般取p=0.5。

提取由該 m個(gè)元素組成的子矩陣 Cm×m，因 Cm×m維度數(shù)較小，其一致性較易保證。下面將利用此子矩陣C對(duì)整個(gè)重要關(guān)系對(duì)比矩陣進(jìn)行修改:

(1)選取Cm×m矩陣當(dāng)中的任意一行L1，選取第m+1行的對(duì)應(yīng)部分L1×m與L1做差，若得到的差向量中所有的元素均為常數(shù)a，則將L1×m及其所對(duì)應(yīng)的列加入 Cm×m當(dāng)中(此時(shí)子矩陣擴(kuò)展為 C(m+1)×(m+1))，否則擱置該因素，留待修正時(shí)取用，重復(fù)步驟(1)直至遍歷矩陣所有行。

(2)取出步驟(1)剩下的元素，按行和降序選取行與子矩陣的任意一行做差，若差向量中大部分元素都為常數(shù)a，而其中某些元素ak=rli-rki≠a，則需修改重要程度對(duì)比元素rki，令r'ki=rki+(ak-a)，重復(fù)直至子矩陣維數(shù)擴(kuò)展為n。

2)多矩陣信息綜合

得到多個(gè)模糊一致判別矩陣 F1，F(xiàn)2，…，F(xiàn)s后，通過擬優(yōu)一致矩陣的方法［9］實(shí)現(xiàn)多個(gè)專家意見的綜合，并將綜合得出的模糊一致判別矩陣F作為基準(zhǔn)模糊一致判別矩陣，留待健康評(píng)價(jià)時(shí)取用。

2.3.3 求得一致矩陣特征向量

為表述裝備參數(shù)的動(dòng)態(tài)變化特性，改進(jìn)的模糊層次分析方法在對(duì)矩陣特征向量求解之前，動(dòng)態(tài)地修正了2.3.2節(jié)得出的基準(zhǔn)模糊一致判別矩陣。參照浴盆曲線和大量裝備使用經(jīng)驗(yàn)得知，裝備狀態(tài)參數(shù)在接近失效閾值時(shí)，偏差數(shù)值和故障率的增長曲線近似于指數(shù)函數(shù)［10］。因此，賦予層次分析法以劣化程度作為自變量的指數(shù)函數(shù)形式的浮動(dòng)權(quán)重來模擬這種參數(shù)變化趨勢(shì)，令

式中:e0為參數(shù)處于未劣化狀態(tài)時(shí)的重要程度度量;e(di)為參數(shù)劣化程度為di時(shí)對(duì)應(yīng)的重要程度;Pi為權(quán)重浮動(dòng)因子，取決于該因素的前向耦合因素?cái)?shù)量及參數(shù)達(dá)到或超過容忍閾值的嚴(yán)重程度。

式(3)的解釋為:當(dāng)某項(xiàng)健康狀態(tài)參數(shù)劣化較嚴(yán)重時(shí)，其對(duì)系統(tǒng)健康程度的影響相對(duì)于其他未劣化參數(shù)得到了增強(qiáng)，而該影響趨勢(shì)體現(xiàn)在模糊一致判別矩陣中時(shí)，可得

式中:fij(di)為某項(xiàng)參數(shù)出現(xiàn)劣化時(shí)的模糊判別矩陣對(duì)應(yīng)元素;fij(0)為參數(shù)未出現(xiàn)劣化時(shí)的模糊判別矩陣對(duì)應(yīng)元素。

同理，將單一因素的影響作用擴(kuò)展到整個(gè)因素集，得出模糊修正矩陣

易證，修正后的模糊矩陣F＇仍然具有一致性。值得注意的是，修正矩陣可能會(huì)擴(kuò)大極重要因素和非重要元素的權(quán)重差異，使修正后的模糊一致矩陣出現(xiàn)負(fù)元素，對(duì)應(yīng)的解決方法為修正標(biāo)度上限M的數(shù)值，令

式中:Pi0為修正矩陣中最大元素revi0j0的影響變動(dòng)因子。修改模糊矩陣F＇為 F″

式中:D為全1矩陣。

易證，F(xiàn)″相對(duì)于F＇并未有權(quán)重判別性質(zhì)的變化。整個(gè)2.3.3節(jié)中所描述的基準(zhǔn)模糊一致矩陣的取用與修正流程如圖5所示。

圖5 基準(zhǔn)模糊一致矩陣取用與修正流程

獲得修正模糊一致矩陣F″后，將其轉(zhuǎn)化為一致判別矩陣［11］，并利用最大特征值法求出中間層的指標(biāo)權(quán)重向量A和參數(shù)層的參數(shù)權(quán)重向量AⅠ、AⅡ、AⅢ。

模糊層次分析法的最后一個(gè)步驟為:結(jié)合層次權(quán)重向量，選用模糊變換算子逐層向上得出綜合評(píng)價(jià)結(jié)果。模糊變換算子有四種類型［11］，本文在示例中選用加權(quán)平均型算子進(jìn)行隸屬度向量綜合計(jì)算。

3 應(yīng)用示例分析

出于實(shí)際使用數(shù)據(jù)的種類多樣性和篇幅的考慮，本文不給出雷達(dá)發(fā)射機(jī)的參數(shù)標(biāo)準(zhǔn)化方法的對(duì)比驗(yàn)證實(shí)例，僅對(duì)改進(jìn)的模糊層次分析方法進(jìn)行驗(yàn)證?，F(xiàn)針對(duì)雷達(dá)發(fā)射機(jī)的數(shù)個(gè)故障實(shí)例給出多個(gè)健康狀態(tài)參數(shù)劣化程度序列(共計(jì)六種故障模式，故障編號(hào)分別為①～⑥)，部分?jǐn)?shù)據(jù)如表3所示。

表3 部分健康狀態(tài)參數(shù)(模擬數(shù)據(jù))

從表中得知，不同的故障模式體現(xiàn)出了不同的參數(shù)劣化程度差異:當(dāng)冷卻單元故障時(shí)，機(jī)內(nèi)電路超溫，發(fā)射機(jī)的健康指標(biāo)呈現(xiàn)出整體劣化趨勢(shì);當(dāng)激勵(lì)組件出現(xiàn)故障時(shí)，僅有個(gè)別參數(shù)表現(xiàn)出嚴(yán)重的劣化趨勢(shì);當(dāng)個(gè)別功放組件發(fā)生故障時(shí)，發(fā)射機(jī)整體功率和效率有所下降，體現(xiàn)出較為平緩的性能衰退。

通過專家對(duì)評(píng)價(jià)指標(biāo)體系的權(quán)重評(píng)估，得到的指標(biāo)層的射頻質(zhì)量、安全性和可靠性權(quán)重向量為

借助專家對(duì)參數(shù)和指標(biāo)的權(quán)重評(píng)定結(jié)果，分別利用傳統(tǒng)層次分析法和改進(jìn)的模糊層次分析法對(duì)上述故障情形進(jìn)行健康狀態(tài)評(píng)價(jià)，狀態(tài)隸屬度向量如表4所示。

表4 傳統(tǒng)層次分析法與改進(jìn)模糊層次分析法得出的隸屬度向量

按照隸屬度最大原則，得出雷達(dá)發(fā)射機(jī)的健康狀態(tài)評(píng)價(jià)結(jié)果，與雷達(dá)發(fā)射機(jī)的故障標(biāo)準(zhǔn)評(píng)級(jí)結(jié)果對(duì)比，如表5所示。

表5 傳統(tǒng)層次分析法、改進(jìn)方法評(píng)價(jià)與標(biāo)準(zhǔn)故障評(píng)級(jí)結(jié)果比較

從分析結(jié)果可以看出，傳統(tǒng)的層次分析法在參數(shù)劣化趨勢(shì)較一致時(shí)可得出較為準(zhǔn)確的評(píng)價(jià)結(jié)果，但在僅個(gè)別重要指標(biāo)出現(xiàn)較為嚴(yán)重的劣化時(shí)，由于其缺少模型動(dòng)態(tài)修正能力，給出了過于保守的評(píng)價(jià)結(jié)果;而改進(jìn)的方法通過對(duì)權(quán)重矩陣進(jìn)行基于劣化程度的權(quán)重修正，獲得了更為靈活的動(dòng)態(tài)過程跟蹤特性，在參數(shù)劣化趨勢(shì)較一致和差異較大情況下皆能給出較為準(zhǔn)確的健康評(píng)價(jià)結(jié)果。

可見，改進(jìn)的層次分析方法賦予了健康評(píng)價(jià)模型時(shí)變的特征，使其能夠更為精確地跟蹤劣化的參數(shù)或指標(biāo)對(duì)雷達(dá)發(fā)射機(jī)健康狀態(tài)的影響。該方法已經(jīng)在國內(nèi)某型雷達(dá)發(fā)射機(jī)的健康評(píng)價(jià)問題上證實(shí)了其應(yīng)用價(jià)值。

4 結(jié)束語

雷達(dá)發(fā)射機(jī)健康狀態(tài)評(píng)價(jià)方法的研究具有重要的科研意義和實(shí)用意義，本文重點(diǎn)對(duì)雷達(dá)發(fā)射機(jī)的健康狀態(tài)異構(gòu)參數(shù)處理方法和健康評(píng)價(jià)模型構(gòu)建方法進(jìn)行了討論，并給出了兩個(gè)問題的解決方法:通過參數(shù)的格式劃分和參數(shù)基于劣化程度的標(biāo)準(zhǔn)化，有效地解決了參數(shù)異構(gòu)問題，為多元參數(shù)信息的提取和綜合提供了解決方案;通過構(gòu)建包含健康評(píng)價(jià)指標(biāo)、健康狀態(tài)參數(shù)的層次分析結(jié)構(gòu)，有效地回避了物理建模方法的高建模代價(jià)以及多元回歸方法可能面臨的模型復(fù)雜性和穩(wěn)定性問題。同時(shí)，本文利用模糊一致判別矩陣的性質(zhì)簡化了其一致性校對(duì)過程，并在模糊一致判別矩陣當(dāng)中引入權(quán)重浮動(dòng)因子以改善其動(dòng)態(tài)評(píng)價(jià)特性，給出了實(shí)例驗(yàn)證過程。結(jié)果表明，與傳統(tǒng)層次分析法相比，該方法具有更高的健康狀態(tài)評(píng)價(jià)精度，且方法靈活性更強(qiáng)。

［1］ Ostroff E D，Borkowski M，Thomas H，et al.固態(tài)雷達(dá)發(fā)射機(jī)(下)［J］.陳樹錚譯.現(xiàn)代雷達(dá)，1991(5):90-105.Ostroff E D，et al.Solid-state radar transmitters［J］.Chen Shuzheng translate.Modern Radar，1991(5):90-105.

［2］ Sun Bo，Kang Rui，Xie Jinsong.Research and applicaiton of the prognostic and health management system［J］.Systems Engineering and Electronics，2007，29(10):1762-1767.

［3］ 賓光富，李學(xué)軍，Dhillon B S，et al.基于模糊層次分析法的設(shè)備狀態(tài)系統(tǒng)量化評(píng)價(jià)新方法［J］.系統(tǒng)工程理論與實(shí)踐，2010，30(4):744-750.Bin Guangfu，Li Xuejun，Dhillon B S，et al.Quantitative system evaluation method for equipment state using fuzzy and analytic hierarchy process［J］.System Engineering:Theory＆ Practice，2010，30(4):744-750.

［4］ 賓光富，李學(xué)軍，李 萍.一種構(gòu)建機(jī)械設(shè)備健康狀態(tài)評(píng)價(jià)指標(biāo)體系的方法研究［J］.機(jī)床與液壓，2007，35(12):177-179，182.Bin Guangfu，Li Xuejun，Li Ping.A new method to establish index system of mechanical equipment healthy state evaluation［J］.Machine Tool ＆ Hydraulics，2007，35(12):177-179，182.

［5］ 李創(chuàng)起，景國勛，張永強(qiáng).模糊評(píng)價(jià)方法在煤礦安全管理中的應(yīng)用［J］. 安全與環(huán)境工程，2012，19(1):87-89，94.Li Chuangqi，Jing Guoxun，Zhang Yongqiang.Application of fuzzy evaluation methods to coal mine safety management［J］.Safety and Environment Engineering，2012，19(1):87-89，94.

［6］ 黃建軍，楊江平，房子成.基于AHP和模糊評(píng)判的雷達(dá)系統(tǒng)狀態(tài)綜合評(píng)價(jià)［J］. 現(xiàn)代雷達(dá)，2011，33(3):12-16，33.Huang Jianjun，Yang Jiangping，F(xiàn)ang Zicheng.Radar system state comprehensive evaluation based on AHP and fuzzy［J］.Modern Radar，2011，33(3):12-16，33.

［7］ Zhang Qi，Nishimura T.A method of evaluation for scaling in the analytic hierarchy process［C］//1996 IEEE International Conference on Systems，Man，and Cybernetics.Beijing:IEEE Press，1996:1888-1893.

［8］ 陶余會(huì).如何構(gòu)造模糊層次分析法中模糊一致判斷矩陣［J］.四川師范學(xué)院學(xué)報(bào):自然科學(xué)版，2002，23(3):282-285.Tao Yuhui.How to make fuzzy consistent judgement matrix of the FAHP［J］.Journal of Sichuan Teachers College:Natural Science，2002，23(3):282-285.

［9］ 林衛(wèi)國，楊明忠.三角模糊AHP在供應(yīng)商選擇中的應(yīng)用［J］. 河南紡織高等?？茖W(xué)校學(xué)報(bào)，2005，17(4):22-23，27.Lin Weiguo，Yang Mingzhong.Application of triangle fuzzy AHP algorithm in provider selection［J］.Journal of Henan Textile College，2005，17(4):22-23，27.

［10］ Gebraeel N，Lawley M，Liu R，et al.Residual life predictions from vibration-based degradation signals:a neural network approach［J］.IEEE Transactions on Industrial E-lectronics，2004，51(3):694-700.

［11］ 韋振中.一致判斷矩陣與一致模糊矩陣的關(guān)系［J］.廣西民族學(xué)院學(xué)報(bào):自然科學(xué)版，2001，7(2):87-89.Wei Zhenzhong.The relationship between the consistent judgement matrix and the consistent fuzzy matrix［J］.Journal of Guangxi University for Nationalities:Natural Science，2001，7(2):87-89.