, , ,

(1.西安黃河機電有限公司設(shè)計研究所，西安 710043； 2.海軍工程大學 電子工程學院， 武漢 430033)

0 引言

活動目標偵察校射雷達可以在夜間或惡劣氣候條件下偵察敵方運動中的人員、車輛、坦克和艦船等目標，測定其坐標和速度，并測定己方射彈地面炸點對目標偏差以校正火炮射擊。某型活動目標偵察校射雷達作為新一代定型裝備，已經(jīng)大量裝備我軍地面?zhèn)刹觳筷?。在實際作戰(zhàn)使用維修以及裝備保障時，研制廠家研制了該雷達的中繼級檢測維修車。檢測維修車配備了三大單元和顯示組合獨立的檢測臺，以及專家診斷系統(tǒng)，但是由于配套設(shè)備繁多、造價高昂，部隊裝備數(shù)量很少，難以解決該雷達特別是野戰(zhàn)基層級維修保障能力嚴重不足的問題。原有的檢測維修車雖然配備了專家系統(tǒng)，但是專家系統(tǒng)的故障檢測準確率偏低，專家系統(tǒng)知識庫已不能滿足部隊日益增長的維修需求和部隊作戰(zhàn)任務(wù)[1-2]。

為解決該雷達維修成本高、野戰(zhàn)基層級維修保障能力嚴重不足和日常訓練的問題，提高專家系統(tǒng)故障檢測準確率，研制設(shè)計了一種便攜式雷達綜合檢測平臺(簡稱檢測平臺)[3]，該平臺以滿足部隊需求、智能化設(shè)計思路，多功能集成及多樣化檢測手段，將雷達檢測設(shè)備、模擬訓練器和基于BP神經(jīng)網(wǎng)絡(luò)的智能故障診斷系統(tǒng)的功能集于一體，實現(xiàn)檢測平臺的集成化、小型化和檢測的智能化。

1 主要功能和技術(shù)指標

該檢測平臺主要功能和指標如下：

1)檢測平臺可實現(xiàn)對雷達三大單元、顯示組合的獨立檢測、自檢結(jié)果的采集和匯流環(huán)的自動檢查，檢測項目覆蓋三大單元和顯示組合技術(shù)條件規(guī)定的所有條目；

2)產(chǎn)生跳頻編碼、量程控制、目標特性、 高低控制、高壓控制、DGC中頻增益控制曲線等控制信號；

3)產(chǎn)生并模擬和路以及差路模擬目標視頻信號，實現(xiàn)以下功能：

(1)模擬運動目標：模擬目標個數(shù)：3個；模擬目標速度范圍：0～200 km/h，可任意設(shè)置； 信號幅度連續(xù)可調(diào)；

(2)模擬炸點目標：炸點方位、距離、持續(xù)時間和多普勒頻率可設(shè)定；數(shù)量：3發(fā)；

(3)信號靈敏度檢測：模擬信號幅度±0.1 V；方位、距離可任意設(shè)定,多普勒頻率為0～200 Hz；數(shù)量：3個；

(4)跟蹤精度測試：實時錄取方位和距離跟蹤數(shù)據(jù)，并進行閉環(huán)跟蹤精度的圖像和數(shù)據(jù)處理。

4)智能故障診斷系統(tǒng):具備神經(jīng)網(wǎng)絡(luò)的自動故障分析、報警和預(yù)測能力，同時具備可以根據(jù)歷史故障信息進行深度學習網(wǎng)絡(luò)自訓練和校正能力；

可根據(jù)雷達三大單元的自檢信息或故障現(xiàn)象，利用聲音、文字、圖像等多媒體手段，對維修人員現(xiàn)場維修提供強大的技術(shù)支持和維修指導；

在雷達單元維修過程中可隨時調(diào)用，保證雷達現(xiàn)場維修時的故障分析和維修能力。

5)覆蓋率:可更換單元檢測覆蓋率不小于95%。

6)故障檢測率:電子線路板故障檢測率不小于95%。

7)虛警率:電子線路板故障檢測虛警率不大于2%。

2 硬件組成及工作原理

檢測平臺的硬件組成如圖1所示，其構(gòu)成部分有：主控計算機板、雷達綜合信號產(chǎn)生及處理板、時序檢查板、DGC接口板、母板、圖像信號處理組合、綜合電源、加固液晶屏、操作面板、固態(tài)繼電器、機箱、24V直流穩(wěn)壓電源、一體化鍵盤機箱、信號電纜、電源電纜和測試電纜組成。

圖1 檢測平臺硬件組成圖

主控計算機板采用PC104嵌入式計算機為主控計算機，以3片BK51SD單片機作為從機，從機分別位于主控計算機板、雷達綜合信號產(chǎn)生及處理板和時序檢查板，采用多微機共總線分布式控制技術(shù)，通過DPRAM雙端口存儲器完成與從機數(shù)據(jù)交互。主控計算機板通過LVDS接口連接加固液晶顯示屏，通過PS/2接口連接鍵盤鼠標，通過音頻接口連接內(nèi)置音箱，以實現(xiàn)人機交互[4-5]。主控計算機板運行智能故障診斷系統(tǒng)和雷達綜合檢測軟件，并用于完成對天線座單元的檢測，是檢測平臺的核心控制模塊。

雷達綜合信號產(chǎn)生及處理板該板由3個DDS控制器AD7008、FPGA、放大濾波電路、調(diào)制電路、頻率自檢電路和加法電路等組成[6]。主要用于完成對主控臺單元的檢測，并具有模擬訓練器的主要功能。

時序檢查板主要由BK51SD單片機、DPRAM、CPLD、光電耦合器、基準時鐘濾波放大電路等組成，主要用于為本組合和被測設(shè)備提供時序和狀態(tài)控制信號，同時在加電管理軟件的控制下，通過光耦控制兩個固態(tài)繼電器進行加電控制，其中24 V Ⅰ用于本組合加電，由綜合電源產(chǎn)生5 V、15 V和200 V三種電源；24 V Ⅱ用于被測單元加電。

DGC接口板主要由BK51SD單片機、CPLD、E2PROM、DPRAM、D/A轉(zhuǎn)換器等組成，主要用于完成對收發(fā)倉單元的測試，同時負責產(chǎn)生DGC接收機增益控制曲線。

圖像信號處理組利用FPGA及大規(guī)模存儲電路，產(chǎn)生行同步信號、幀同步信號和二次圖像信號，以完成對雷達顯示組合的測試和維修。

3 智能故障診斷系統(tǒng)設(shè)計與實現(xiàn)

3.1 診斷系統(tǒng)原理設(shè)計

檢測平臺的智能故障診斷系統(tǒng)綜合了BP神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)的優(yōu)勢。神經(jīng)網(wǎng)絡(luò)具有強大的非線性映射能力，而且還具有自適應(yīng)、自學習、容錯性和并行處理等性質(zhì)。在工作過程中，根據(jù)一組輸入，神經(jīng)網(wǎng)絡(luò)便按已確定的權(quán)值計算出對應(yīng)的輸出，同時還可以根據(jù)其輸出與實際情況的差值，按各訓練過程相同的學習規(guī)則修改權(quán)值，即進行自學習，使之能適應(yīng)外界環(huán)境的變化，采用簡單的神經(jīng)元連接而形成的復(fù)雜網(wǎng)絡(luò)系統(tǒng)，具有高度復(fù)雜的非線性動力學系統(tǒng)特點[7]。

BP網(wǎng)絡(luò)是一種多層前饋神經(jīng)網(wǎng)絡(luò)，其神經(jīng)元的傳輸函數(shù)為S函數(shù)，可以實現(xiàn)從輸入到輸出的任意的非線性映射，用于淺層次經(jīng)驗推理。專家系統(tǒng)主要用于深層次符號推理，可通過內(nèi)容進行匹配邏輯推理。通過利用神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)相結(jié)合的方式，不僅可存儲信息，處理統(tǒng)一網(wǎng)絡(luò)系統(tǒng)，還可對知識進行存儲并解決問題，推理故障發(fā)生整個過程[8-9]。

對于故障診斷系統(tǒng)來講，故障表示是故障系統(tǒng)的首要問題。文中假設(shè)F為某雷達系統(tǒng)故障表，其中各故障的屬性組成固定屬性集Z，F(xiàn)={f0,f1,f2…fn}，其中，f0表示正常系統(tǒng)，f1,f2…fn代表各個故障。

ASi={Ai|Ai作為某雷達的動態(tài)屬性，表示故障fi導致的差錯}；IN-AS={AK|AK為某雷達的輸入屬性，決定某雷達動態(tài)特性}。

AS=AS′∪IN-AS

其中，AS為雷達系統(tǒng)故障集F所對應(yīng)的屬性集，令A(yù)S={A1,A2,…,An},L是系統(tǒng)對故障進行的具體診斷，則在t時刻對雷達系統(tǒng)進行的具體診斷故障為：fi=L(A1(t),A2(t),…,An(t))，i=0,1,…，n。自變量可取到是屬性集AS在各時刻t的所有取值，對雷達系統(tǒng)的故障診斷結(jié)果是由故障集多個故障的邏輯運算綜合而成。

圖2 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

基于故障檢測機理，該平臺神經(jīng)網(wǎng)絡(luò)檢測系統(tǒng)主要劃分為3層模塊，3層次網(wǎng)絡(luò)結(jié)構(gòu)，如圖2所示。前模塊分別實現(xiàn)故障原因輸入；中間模塊為BP神經(jīng)網(wǎng)絡(luò)，實現(xiàn)數(shù)據(jù)分析處理；后模塊為反邏輯，實現(xiàn)清晰化[10]。其中，為保證合適的神經(jīng)網(wǎng)絡(luò)節(jié)點數(shù)，降低網(wǎng)絡(luò)計算復(fù)雜度與訓練難度。神經(jīng)網(wǎng)絡(luò)各層節(jié)點數(shù)主要依據(jù)先前雷達故障發(fā)生經(jīng)驗公式設(shè)定，并依據(jù)訓練結(jié)果而調(diào)整。具體經(jīng)驗公式如下：

nimpic=2ninput+1

(1)

(2)

(3)

nimpic=log2ninput

(4)

其中，nimpic為隱藏層神經(jīng)元個數(shù)，ninput為輸入層神經(jīng)元個數(shù)，noutput為輸出層神經(jīng)元個數(shù)，a取值為1～10。神經(jīng)網(wǎng)絡(luò)訓練算法如下：

1)輸入層節(jié)點i，其輸出等于xi,i=1,2,…,n；

2)隱含層節(jié)點j，其輸入hi，輸出Oj分別為:

(5)

(6)

其中，j=1,2,…,m;Tj=wn+1jxn+1，xn+1=-1。

3)輸出層節(jié)點，其輸入hk，輸出yk分別為：

(7)

(8)

其中，k=1,2,…，l;Tj=wm+1kOn+1，Om+1=-1。

(9)

(10)

3.2 系統(tǒng)設(shè)計實現(xiàn)

3.2.1 系統(tǒng)軟件概述

綜合檢測平臺采用定制裁減的Win XPE嵌入式操作系統(tǒng)，具有內(nèi)核小、占用系統(tǒng)資源少、啟動速度快、增強寫保護等特點。研發(fā)了基于WinXPE操作系統(tǒng)下的底層驅(qū)動軟件、庫維護軟件和應(yīng)用程序，實現(xiàn)了Windows系統(tǒng)下的實時控制及數(shù)據(jù)交換[11]，最小采樣周期50 ms。

研制開發(fā)了智能故障診斷系統(tǒng)、雷達綜合檢測軟件、集總接口分配軟件、直接數(shù)字合成DDS1和DDS2軟件、通訊接口軟件、模擬信號檢測軟件、接口采集軟件、數(shù)模接口控制軟件、DGC數(shù)據(jù)存儲等軟件，其中Win XPE系統(tǒng)環(huán)境下應(yīng)用軟件17個，F(xiàn)PGA軟件4個、CPLD軟件2個、數(shù)據(jù)存儲軟件1個。

雷達綜合檢測軟件和智能故障診斷系統(tǒng)均采用delphi語言編寫，通過二維矢量圖形和虛擬儀表控制界面，使人機交互界面更加簡單明確，易學易用。各軟件受雷達綜合檢測軟件統(tǒng)一調(diào)度，其核心目標是為智能故障診斷系統(tǒng)提供被測產(chǎn)品的當前信息。

3.2.2 主要技術(shù)難點

1)BP整神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)調(diào)整及訓練指標的確定。智能診斷系統(tǒng)的核心是知識，擁有的知識的多少及知識的質(zhì)量決定了一個診斷系統(tǒng)所具有解決問題的能力。神經(jīng)網(wǎng)絡(luò)的知識獲取與傳統(tǒng)的專家系統(tǒng)知識獲取完全不同，隨著對BP神經(jīng)網(wǎng)絡(luò)算法研究的深入，發(fā)現(xiàn)該方法存在主要難點是網(wǎng)絡(luò)的隱層節(jié)點數(shù)的選取上，基本上是根據(jù)經(jīng)驗采用試探法選取的。為了使神經(jīng)網(wǎng)絡(luò)更加有效地解決實際的故障診斷問題，需要找到其結(jié)構(gòu)特性最能反映故障診斷問題的神經(jīng)網(wǎng)絡(luò)，并且其權(quán)值能比較精確地表示故障征兆到故障原因之間的非線性映射關(guān)系。這需要通過大量的實例來訓練神經(jīng)網(wǎng)絡(luò)，并不斷調(diào)整神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及確定訓練指標，使得神經(jīng)網(wǎng)絡(luò)獲得相應(yīng)的領(lǐng)域知識。與傳統(tǒng)專家系統(tǒng)的知識獲取相比，它實際上大大節(jié)省了時間，而且由于它可以直接從數(shù)據(jù)中獲取知識，所以也大大增加了知識的來源。

2)信息融合。對于未經(jīng)學習的樣本和遠遠偏離樣本的輸入數(shù)據(jù)，神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的診斷能力將下降，甚至可能得出錯誤的結(jié)論。因此，采用神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)進行故障診斷時，對診斷對象的機理必須十分清楚。智能故障診斷系統(tǒng)在基于神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)進行故障診斷的基礎(chǔ)上，必須充分利用雷達綜合檢測軟件提供的被測產(chǎn)品的其它的參數(shù)信息，通過信息融合，提高診斷的準確性。

3.2.3 故障診斷系統(tǒng)軟件實現(xiàn)

智能故障診斷系統(tǒng)程序結(jié)構(gòu)示意圖見圖3。在該系統(tǒng)中，知識庫及推理機完全分離，知識庫作為專家系統(tǒng)的核心，其內(nèi)容修改由庫維護軟件完成。推理部分采用了神經(jīng)網(wǎng)絡(luò)和流程控制知識相結(jié)合的推理方式。推理機根據(jù)某雷達的當前信息，首先判斷出是否出現(xiàn)異常，若異常，則根據(jù)原規(guī)則指定由哪個神經(jīng)網(wǎng)絡(luò)集成進行診斷。神經(jīng)網(wǎng)絡(luò)推理采用BP 網(wǎng)絡(luò)的前向運算規(guī)則，其結(jié)果根據(jù)相應(yīng)的神經(jīng)網(wǎng)絡(luò)集成運算得出，從而判斷是否出現(xiàn)故障并指定故障發(fā)生的部位，并通過多媒體手段為用戶提供詳細的維修指導建議和操作說明[12]。

圖3 智能故障診斷系統(tǒng)程序結(jié)構(gòu)示意圖

4 仿真測試與效果評估

4.1 測試結(jié)果

雷達故障系統(tǒng)診斷步驟如下：1)將雷達發(fā)射系統(tǒng)的故障樣本輸入到輸入層，各節(jié)點也是該層神經(jīng)網(wǎng)絡(luò)神經(jīng)元的輸出；2)根據(jù)由經(jīng)驗值所得到的故障類型閾值去判定對應(yīng)輸出層神經(jīng)元的最終輸出結(jié)果。表1為由實際經(jīng)驗所得出的雷達發(fā)射系統(tǒng)實際故障樣本和其對應(yīng)特征值，表2為將各樣本輸入到神經(jīng)網(wǎng)絡(luò)輸入層從而得到的對應(yīng)訓練結(jié)果，即雷達發(fā)射系統(tǒng)故障原因[13]。

表1 典型故障樣本

表2 典型故障樣本網(wǎng)絡(luò)輸出值

將表1的數(shù)據(jù)進行歸一化處理后, 以實際故障樣本為網(wǎng)絡(luò)的原始訓練樣本, 送入BP網(wǎng)絡(luò)進行訓練。網(wǎng)絡(luò)輸入層、隱含層和輸出層節(jié)點數(shù)分別取8、9 和10 ,網(wǎng)絡(luò)訓練3625 次, 得出3 層BP 網(wǎng)絡(luò)的各個連接權(quán)值和閾值。經(jīng)過上述學習訓練, 網(wǎng)絡(luò)獲取診斷發(fā)射系統(tǒng)的故障知識,網(wǎng)絡(luò)目標輸出“1.00”表示有故障發(fā)生，“0.00”表示對應(yīng)的故障不發(fā)生。根據(jù)網(wǎng)絡(luò)輸出結(jié)果，將判決門限取0.85，即在某種故障模式下，網(wǎng)絡(luò)的輸出大于0.85，而其它均較小時，則判定為發(fā)生了該故障。訓練結(jié)果表明，雷達發(fā)射系統(tǒng)故障診斷的準確性大幅提高。

4.2 測試曲線及診斷性能

圖4為整個神經(jīng)網(wǎng)絡(luò)訓練過程, 由結(jié)果變化曲線可以看出，經(jīng)過37次迭代，神經(jīng)網(wǎng)絡(luò)訓練結(jié)果可快速收斂到目標值0.0001，此時訓練誤差為8.2578e-005，表明其對故障檢測性能良好。

圖4 網(wǎng)絡(luò)訓練結(jié)果

在雷達05批產(chǎn)品中抽調(diào)一部進行試驗,每個單元分系統(tǒng)分別人為設(shè)置故障和非故障樣本共 30 組，以這8個分系統(tǒng)共270組樣本檢驗智能故障診斷系統(tǒng)的診斷性能，其結(jié)果如表3所示。

表3 智能故障診斷系統(tǒng)的診斷結(jié)果

從表3實測數(shù)據(jù)分析，所有的測試結(jié)果故障診斷正確率都在90%以上，表明該智能故障診斷系統(tǒng)的診斷性能遠優(yōu)于現(xiàn)有的檢測手段。但是天線收發(fā)單元和主控臺單元由于功能和線路設(shè)計復(fù)雜，故障診斷正確率偏低，說明該系統(tǒng)神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)還需進一步完善。

4.3 整體性能評價

在設(shè)計鑒定階段，被測產(chǎn)品現(xiàn)場可更換單元(LRU)總數(shù)量為17個，檢測平臺可檢測的可更換單元數(shù)量為17個，可更換單元檢測覆蓋率為100%。檢測平臺對于車間可更換單元(SRU)設(shè)置故障總數(shù)為100個，通過測試，其正確故障檢測為99個，按照70%置信度計算，SRU故障檢測率為98.96%，虛警率為0.04%，完全滿足技術(shù)指標的要求。

經(jīng)部隊使用試驗，檢測平臺以簡單易用、功能完善、故障定位快速準確、攜行方便等特點得到用戶單位的廣泛好評。

5 結(jié)論

綜合檢測平臺是為滿足某型雷達的野戰(zhàn)基層級維修需要而進行研制的專用檢測設(shè)備，集故障檢測、性能測試和模擬訓練功能于一體，可對某型雷達三大單元和顯示組合進行獨立的檢查、測試和調(diào)整，并采用基于BP神經(jīng)網(wǎng)絡(luò)的故障智能診斷系統(tǒng)，大幅提升了對某型雷達的故障分析、故障定位和維修能力，可滿足野戰(zhàn)條件下裝備的快速維修保障和訓練，并適用于多級維修，提高了雷達在部隊實裝配備的綜合診斷檢測效率，為裝備維修提供了有力的支持和保障。

參考文獻：

[1] 張 翔，崔瀟瀟，王 洋，等. 基于機電混合式目標模擬的雷達制導半實物仿真關(guān)鍵技術(shù)[J]. 彈箭與制導學報, 2015, 35(4): 39-42.

[2] 許 稼, 彭應(yīng)寧, 夏香根, 等. 空時頻檢測前聚焦雷達信號處理方法[J]. 雷達學報, 2014, 3(2): 129-141.

[3] 王 杰, 金秋春, 馬鵬閣, 等. 基于消光比的機載多脈沖激光雷達性能綜合測試系統(tǒng)研制[J]. 計算機測量與控制, 2014, 22(3): 778-780.

[4] 張增繼. 基于 ARM 嵌入式系統(tǒng)在雷達接口控制與數(shù)據(jù)采集系統(tǒng)中的應(yīng)用[J]. 信息通信, 2015 (2): 19-20.

[5] 劉立人. 自干涉合成孔徑激光三維成像雷達原理[J]. 光學學報, 2014 (5): 253-260.

[6] 車 俐, 白云浩, 蔣留兵. 小型高精度防撞雷達信號處理系統(tǒng)實現(xiàn)[J]. 現(xiàn)代雷達, 2016, 38(7): 32-35.

[7] 胡霄楠, 史忠科. BP 神經(jīng)網(wǎng)絡(luò)在雷達故障診斷中的應(yīng)用研究[J]. 計算機測量與控制, 2006, 14 (12):1660-1662.

[8] 許志宏, 盧旻昊, 陳 列. 基于專家系統(tǒng)的雷達故障診斷軟件研究[J]. 現(xiàn)代雷達, 2009 (5): 25-29.

[9] 姜來春. 故障樹分析方法在脈沖雷達故障檢測中的應(yīng)用[J]. 電子設(shè)計工程, 2013, 21(3): 27-29.

[10] 張 捷, 薄煜明, 呂 明. 基于神經(jīng)網(wǎng)絡(luò)預(yù)測的網(wǎng)絡(luò)控制系統(tǒng)故障檢測[J]. 南京理工大學報 (自然科學版), 2010, 34(1): 19-23.

[11] 李東海. 基于專家系統(tǒng)的雷達識別方法[J]. 艦船電子對抗, 2014, 37(5): 10-13.

[12] 劉發(fā)金. 基于神經(jīng)網(wǎng)絡(luò)的衛(wèi)星故障診斷專家系統(tǒng)及其應(yīng)用[D]. 哈爾濱：哈爾濱工業(yè)大學, 2006.

[13] 涂望明,宋執(zhí)環(huán),孟慶志,等.小波神經(jīng)網(wǎng)絡(luò)在雷達故障診斷中的應(yīng)用研究[J]. 計算機測量與控制, 2012, 20 (4):921-923.