蒲亞博，王艷艷，趙方超，劉 偉，羅天元

(1.西南技術(shù)工程研究所， 重慶 400039； 2.彈藥貯存環(huán)境效應(yīng)重點實驗室， 重慶 400039)

1 引言

制導(dǎo)彈藥是現(xiàn)代化的高技術(shù)武器之一，是國家武裝力量的重要組成部分。隨著高新技術(shù)的不斷發(fā)展，系列高可靠、長壽命、智能化彈藥不斷研制，制導(dǎo)彈藥逐漸形成了一個包含大量元器件和電路的復(fù)雜、龐大的系統(tǒng)，各部組件之間聯(lián)系緊密，使其綜合性能得到大幅度提升[1-2]。制導(dǎo)彈藥在全壽命周期內(nèi)經(jīng)歷了包裝、貯存、運輸、值班等各種環(huán)境，其健康狀態(tài)將不可避免地發(fā)生退化或失效，導(dǎo)致彈藥發(fā)射失敗或發(fā)射后失效，由此引發(fā)的經(jīng)濟(jì)損失或災(zāi)難性后果不可估量。因此對制導(dǎo)彈藥故障進(jìn)行準(zhǔn)確的診斷、預(yù)警、預(yù)測，可及時發(fā)現(xiàn)潛在故障、評估故障發(fā)展趨勢，最大限度地減小故障發(fā)生的可能及造成的危害，提高制導(dǎo)彈藥綜合作戰(zhàn)能力，保證最大限度發(fā)揮作戰(zhàn)效能。

故障預(yù)測方法誕生于20世紀(jì)70年代，國外在該領(lǐng)域起步較早，得到美英等軍事強(qiáng)國的高度重視和推廣應(yīng)用，已成為新一代戰(zhàn)機(jī)、艦船、車輛等系統(tǒng)的一項重要保障維修技術(shù)。故障預(yù)測技術(shù)作為實現(xiàn)F-35戰(zhàn)斗機(jī)自主式保障的核心技術(shù)，已成功地應(yīng)用于飛機(jī)發(fā)動機(jī)健康監(jiān)控(EHM)、直升機(jī)的健康與使用監(jiān)控系統(tǒng)(HUMS)、海軍的集成狀態(tài)評估系統(tǒng)(ICAS)和燃?xì)鉁u輪的預(yù)兆監(jiān)控系統(tǒng)(ProDAPs)等系統(tǒng)中。國內(nèi)故障診斷預(yù)測技術(shù)起步較晚，主要集中在航空領(lǐng)域和武器裝備的維修保障應(yīng)用方面[3-5]。中國民航大學(xué)通過數(shù)據(jù)挖掘技術(shù)分析與飛機(jī)運行和維護(hù)相關(guān)的數(shù)據(jù)資源，研究出一套能及時察覺、分類并預(yù)報故障的飛機(jī)健康管理系統(tǒng)；張澤奇等通過分析驗證PHM(故障預(yù)測與健康管理)技術(shù)在導(dǎo)彈武器裝備中的應(yīng)用，提出了基于PHM的導(dǎo)彈狀態(tài)管理系統(tǒng)，并介紹了系統(tǒng)主要實現(xiàn)的功能及測試方法。王文雙等結(jié)合導(dǎo)彈測試信息的不確定性，劃分了5個功能模塊，并規(guī)劃了各模塊工作流程和實現(xiàn)算法，為導(dǎo)彈有效的維護(hù)保障提供了指導(dǎo)依據(jù)[6-8]。

目前故障預(yù)測技術(shù)在彈藥裝備領(lǐng)域還沒有成熟的應(yīng)用。隨著軍隊對彈藥安全性、可靠性、延壽提出更高要求以及人工智能和物聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，彈藥健康狀態(tài)管理必將從“經(jīng)驗性主觀預(yù)測”向“機(jī)器客觀預(yù)示預(yù)警”轉(zhuǎn)變。由于受彈藥自身結(jié)構(gòu)及外部因素影響，彈藥故障預(yù)示預(yù)警系統(tǒng)的設(shè)計應(yīng)用難度增加，相關(guān)研究成果寥寥。針對這一問題，本研究在分析掌握典型制導(dǎo)彈藥結(jié)構(gòu)特點、故障預(yù)示預(yù)警系統(tǒng)特點、故障預(yù)測方法的基礎(chǔ)上，設(shè)計了典型制導(dǎo)彈藥故障預(yù)示預(yù)警系統(tǒng)架構(gòu)，劃分功能模塊，研究討論了實現(xiàn)方法，以期為典型制導(dǎo)彈藥故障預(yù)示預(yù)警系統(tǒng)的設(shè)計提供依據(jù)和指導(dǎo)。

2 典型制導(dǎo)彈藥故障預(yù)示預(yù)警系統(tǒng)特點分析

2.1 故障預(yù)示預(yù)警系統(tǒng)理論概述

故障預(yù)示預(yù)警系統(tǒng)是利用各種先進(jìn)的傳感器對裝備健康狀態(tài)的相關(guān)參數(shù)進(jìn)行采集，包括使用狀況、當(dāng)前環(huán)境、工作條件、早先試驗數(shù)據(jù)和歷史經(jīng)驗數(shù)據(jù)等，并借助各種推理技術(shù)和先進(jìn)算法如數(shù)學(xué)物理模型、人工智能等對裝備故障發(fā)生概率、故障發(fā)展趨勢、故障發(fā)生時間和剩余壽命進(jìn)行預(yù)測，實現(xiàn)對裝備健康狀態(tài)的實時監(jiān)測，為裝備的預(yù)先維修及作戰(zhàn)效能的穩(wěn)定發(fā)揮提供依據(jù)和保障[9-10]。

典型制導(dǎo)彈藥故障預(yù)示預(yù)警系統(tǒng)的建立不是為了消除制導(dǎo)彈藥故障，而是利用已有的歷時測試信息、故障信息和先進(jìn)傳感器監(jiān)測信息，結(jié)合先進(jìn)算法和模型對故障的發(fā)生和發(fā)展趨勢進(jìn)行實時監(jiān)測，實現(xiàn)彈藥壽命的評估從粗略概算到精準(zhǔn)預(yù)測，并對故障的發(fā)生部位預(yù)先采取有效維護(hù)措施，進(jìn)而實現(xiàn)對典型彈藥系統(tǒng)全壽命期健康狀態(tài)的管理。

2.2 典型制導(dǎo)彈藥結(jié)構(gòu)分析

我國在俄羅斯引進(jìn)了的“紅土地”激光半主動末制導(dǎo)炮彈基礎(chǔ)上自行設(shè)計、研制、裝備了大批152 mm、155 mm等激光末制導(dǎo)炮彈，這種制導(dǎo)彈藥與傳統(tǒng)彈藥相比具有射程遠(yuǎn)、精度高和威力大等優(yōu)點，極大提高了部隊的精確打擊能力，在我軍制導(dǎo)彈藥型號中具有典型性。同常規(guī)彈藥結(jié)構(gòu)相比，這類典型制導(dǎo)彈藥的結(jié)構(gòu)和功能有了較大改變。圖1和圖2是常規(guī)彈藥結(jié)構(gòu)和典型制導(dǎo)彈藥結(jié)構(gòu)框圖。典型制導(dǎo)彈藥結(jié)構(gòu)復(fù)雜，部組件繁多，包含大量高分子材料與器件、慣性器件和電子光學(xué)器件，部組件之間存在很強(qiáng)的關(guān)聯(lián)性。制導(dǎo)彈藥在全壽命周期內(nèi)經(jīng)歷貯存、轉(zhuǎn)運、戰(zhàn)備值班等復(fù)雜環(huán)境，其部組件易發(fā)生多種故障模式；制導(dǎo)彈藥的通電測試周期較長，現(xiàn)有傳感器無法實時監(jiān)測反映其健康狀態(tài)的性能參數(shù)變化；相比于普通炮彈，導(dǎo)航控制系統(tǒng)中電子部件較多，極易發(fā)生故障。

圖2 典型制導(dǎo)彈藥結(jié)構(gòu)框圖

2.3 典型制導(dǎo)彈藥故障預(yù)示預(yù)警系統(tǒng)需求及特點分析

典型制導(dǎo)彈藥故障預(yù)示預(yù)警系統(tǒng)是彈藥安全性、可靠性以及環(huán)境適應(yīng)性的重要保障：

1) 隨著整體國防能力的提高，彈藥的生產(chǎn)能力和儲備量非常大，全球范圍內(nèi)彈藥貯存使用安全事故發(fā)生較多，因此該系統(tǒng)是保障彈藥安全和可靠的必要手段。

2) 彈藥貯存地點分布廣，空間跨度大，在全壽命期內(nèi)經(jīng)歷的環(huán)境復(fù)雜，彈藥極易發(fā)生結(jié)構(gòu)損傷，利用該系統(tǒng)可對彈藥的狀態(tài)實時監(jiān)測，減少彈藥安全事故的發(fā)生。

3) 目前由于軍事戰(zhàn)略轉(zhuǎn)變及軍隊日常訓(xùn)練頻次的增加，彈藥的使用量及狀態(tài)變化也越來越復(fù)雜。利用該系統(tǒng)可以實現(xiàn)彈藥的故障維修由以前事后維修、定期維修向預(yù)計性維修轉(zhuǎn)變，為彈藥保持戰(zhàn)斗力和延壽提供重要支撐。

參考相關(guān)文獻(xiàn)[8，11-13]，故障預(yù)示預(yù)警系統(tǒng)的構(gòu)成一般由數(shù)據(jù)采集傳輸、數(shù)據(jù)處理、狀態(tài)監(jiān)測、故障診斷推理、故障預(yù)測等結(jié)構(gòu)組成。受典型制導(dǎo)彈藥自身結(jié)構(gòu)和外部因素影響，其狀態(tài)監(jiān)測和數(shù)據(jù)采集傳輸、處理過程存在諸多不確定性。典型制導(dǎo)彈藥全壽命期內(nèi)經(jīng)歷的環(huán)境剖面復(fù)雜，目前對庫房貯存階段的環(huán)境應(yīng)力已有大量監(jiān)測數(shù)據(jù)，但是轉(zhuǎn)運和值班環(huán)境的監(jiān)測數(shù)據(jù)不全面，尤其是對全壽命周期內(nèi)彈藥內(nèi)部微環(huán)境的狀態(tài)監(jiān)測數(shù)據(jù)缺失。在對典型制導(dǎo)彈藥進(jìn)行定期性能測試過程中，相關(guān)測試數(shù)據(jù)呈現(xiàn)明顯的冗余性、不完備性和不協(xié)調(diào)性，為后續(xù)數(shù)據(jù)處理增加難度，影響系統(tǒng)故障的診斷及故障發(fā)展趨勢的預(yù)測。

3 故障預(yù)示預(yù)警系統(tǒng)設(shè)計

3.1 系統(tǒng)功能分層設(shè)計

近年來，對某型典型制導(dǎo)彈藥進(jìn)行自然長貯試驗和加速試驗后，項目組積累了大量的試驗數(shù)據(jù)，為該型彈藥的定壽延壽、后續(xù)改型彈藥的高可靠性設(shè)計提供了必要支撐。但由于對彈藥健康狀態(tài)的評估以對貯存環(huán)境的監(jiān)測為主，缺少對彈藥本身系統(tǒng)化監(jiān)測，而傳統(tǒng)的物理檢測和化學(xué)分析不能及時感知暴露彈藥存在問題，因此結(jié)合裝備故障預(yù)測與健康管理系統(tǒng)結(jié)構(gòu)設(shè)計理念，根據(jù)典型制導(dǎo)彈藥特點，設(shè)計了圖3所示的典型制導(dǎo)彈藥故障預(yù)示預(yù)警系統(tǒng)架構(gòu)。

圖3 典型制導(dǎo)彈藥故障預(yù)示預(yù)警系統(tǒng)架構(gòu)框圖

該預(yù)示預(yù)警系統(tǒng)采用分層融合式體系結(jié)構(gòu)，將整個系統(tǒng)分成數(shù)據(jù)采集層、數(shù)據(jù)預(yù)處理層和故障預(yù)測層3部分，每部分由相對應(yīng)的硬件和軟件組成，各層級功能不同：

1) 數(shù)據(jù)采集層。數(shù)據(jù)采集層是故障預(yù)示預(yù)警系統(tǒng)的基礎(chǔ)，利用功能各異的傳感器實現(xiàn)典型制導(dǎo)彈藥貯存期內(nèi)環(huán)境應(yīng)力、結(jié)構(gòu)應(yīng)力的實時監(jiān)測和采集，同時對貯存期內(nèi)彈藥進(jìn)行的轉(zhuǎn)運、故障維修等狀態(tài)信息、定期通電測試信息以及外部檢測信息及時采集記錄，為故障的診斷、預(yù)測提供基礎(chǔ)數(shù)據(jù)支撐。

2) 數(shù)據(jù)傳輸層。數(shù)據(jù)傳輸層是連接數(shù)據(jù)采集層和故障預(yù)測層的紐帶，最終目的是對采集到的繁雜數(shù)據(jù)能夠進(jìn)行簡單數(shù)據(jù)預(yù)處理，剔除異常、空值和非必須的數(shù)據(jù)，對接收到的監(jiān)測信息進(jìn)行格式轉(zhuǎn)換和融合處理，減少占用的存儲空間，降低故障定位和預(yù)測的復(fù)雜度。

3) 故障預(yù)測層。故障預(yù)測層是典型制導(dǎo)彈藥故障預(yù)示預(yù)警系統(tǒng)的核心部分，由異常檢測推理機(jī)、故障診斷推理機(jī)和故障預(yù)測推理機(jī)共同組成，并在故障預(yù)測的基礎(chǔ)上，結(jié)合各種資源，建立模型知識庫。它以數(shù)據(jù)采集分析軟件為基礎(chǔ)，在模型庫知識庫的支持下對部組件的故障進(jìn)行診斷、預(yù)警、預(yù)測，并及時對模型知識庫進(jìn)行修正，為預(yù)防性維修提供決策信息。

3.2 數(shù)據(jù)采集層功能實現(xiàn)

典型制導(dǎo)彈藥貯存期內(nèi)信息感知、狀態(tài)監(jiān)測和數(shù)據(jù)采集的準(zhǔn)確性、有效性、完整性是典型制導(dǎo)彈藥故障預(yù)示預(yù)警系統(tǒng)的基礎(chǔ)和源頭，其數(shù)據(jù)采集層功能實現(xiàn)架構(gòu)如圖4所示。數(shù)據(jù)采集層以彈藥狀態(tài)信息采集、彈內(nèi)環(huán)境、結(jié)構(gòu)信息采集、定期通電測試信息采集、外部檢測信息采集四部分構(gòu)成。其中彈藥狀態(tài)信息采集重點記錄彈藥貯存期內(nèi)經(jīng)歷的環(huán)境應(yīng)力、轉(zhuǎn)運、故障、維修等信息；定期通電測試信息采集主要記錄典型制導(dǎo)彈藥在貯存期內(nèi)經(jīng)歷的多次電性能測試數(shù)據(jù)；外部檢測信息采集記錄典型制導(dǎo)彈藥在貯存期內(nèi)的外觀形貌變化、無損探傷結(jié)果、陪試品測試等信息。

圖4 數(shù)據(jù)采集層功能實現(xiàn)架構(gòu)框圖

彈內(nèi)環(huán)境、結(jié)構(gòu)應(yīng)力的信息采集主要針對彈內(nèi)溫度、濕度、振動、氣氛、壓力等信息開展長期在線監(jiān)測。由于彈藥結(jié)構(gòu)的特殊性，彈內(nèi)環(huán)境、結(jié)構(gòu)應(yīng)力的長期監(jiān)測可采用無線無源傳感器。受制于傳感器基礎(chǔ)材料、工藝等限制以及傳感器材料和彈藥材料、結(jié)構(gòu)的相容性、無線無源傳感器電磁場對彈藥可能造成的影響因素，適用于彈內(nèi)環(huán)境、結(jié)構(gòu)應(yīng)力的無線無源傳感器沒有成熟產(chǎn)品。中國工程物理研究院化學(xué)材料研究所開展了服務(wù)于彈藥監(jiān)測的全組分氣體分析技術(shù)研究，自研了小體積負(fù)壓進(jìn)樣系統(tǒng)，可檢測出微量及痕量的有機(jī)氣體。同時該團(tuán)隊還針對彈藥老化釋放的氣體組分(NOx、COx、CxHy)等開展了氣敏傳感器的研制，形成了從材料-器件-系統(tǒng)-應(yīng)用的完整研發(fā)體系；開展的高信噪比壓電薄膜材料研究與制備技術(shù)，將應(yīng)變計、熱電偶集成為多功能薄膜傳感器，應(yīng)用于裝備內(nèi)部彈藥的溫度、應(yīng)變和聲發(fā)射監(jiān)測；開展的植入式光纖光柵裂紋檢測技術(shù)在炸藥熱響應(yīng)監(jiān)測方面得到初步應(yīng)用[14-16]。

3.3 數(shù)據(jù)傳輸層功能實現(xiàn)

數(shù)據(jù)傳輸層的功能由智能移動終端設(shè)備實現(xiàn)。智能移動終端設(shè)備主要由無線通信模塊、數(shù)據(jù)存儲模塊、數(shù)據(jù)分析模塊、顯示模塊、按鍵模塊、控制模塊、電源管理模塊、通信接口模塊組成，本身具有獨立的數(shù)據(jù)采集和預(yù)處理能力，可讀取傳感器采集的數(shù)據(jù)并錄入采集的狀態(tài)信息、定期通電測試信息和外部檢測信息，同時對數(shù)據(jù)進(jìn)行智能化分析處理，是連接數(shù)據(jù)采集層和故障預(yù)測層的關(guān)鍵樞紐，其功能實現(xiàn)架構(gòu)如圖5所示。

圖5 數(shù)據(jù)傳輸層功能實現(xiàn)架構(gòu)框圖

數(shù)據(jù)分析預(yù)處理模塊是智能移動終端設(shè)備的核心功能，受典型制導(dǎo)彈藥所處環(huán)境、狀態(tài)等影響，采集的數(shù)據(jù)不可避免地存在噪聲數(shù)據(jù)、空缺數(shù)據(jù)和不一致數(shù)據(jù)，常常具有隨機(jī)性、模糊性、冗余性和高維性等特征，直接進(jìn)行數(shù)據(jù)分析會降低準(zhǔn)確率，因此對采集的原始數(shù)據(jù)利用均值插補(bǔ)法、狄克遜準(zhǔn)則、回歸分析技術(shù)等手段進(jìn)行分析預(yù)處理，補(bǔ)齊缺失數(shù)據(jù)，剔除異常數(shù)據(jù)，并對原始數(shù)據(jù)進(jìn)行無量綱化處理，然后利用離散傅里葉變換(DFT)、離散小波變換(DWT)、主分量分析法、BP神經(jīng)網(wǎng)絡(luò)法等數(shù)據(jù)處理技術(shù)從龐大的原始數(shù)據(jù)中提取出于彈藥狀態(tài)相關(guān)性強(qiáng)的特征向量作為彈藥故障預(yù)測的基礎(chǔ)[17-20]。

3.4 故障預(yù)測層功能實現(xiàn)

故障預(yù)測層功能實現(xiàn)是在模型知識庫的支持下，由異常檢測推理機(jī)、故障診斷推理機(jī)和故障預(yù)測推理機(jī)借助數(shù)學(xué)物理模型和人工智能算法等技術(shù)進(jìn)行異常數(shù)據(jù)記錄過濾、失效診斷、故障定位和預(yù)測。其功能實現(xiàn)架構(gòu)如圖6所示。

圖6 故障預(yù)測層實現(xiàn)架構(gòu)框圖

1) 異常檢測推理機(jī)

異常檢測是故障預(yù)測的基礎(chǔ)。典型制導(dǎo)彈藥在經(jīng)歷長期貯存、轉(zhuǎn)運和戰(zhàn)斗值班后部組件、分系統(tǒng)等出現(xiàn)性能退化或失效現(xiàn)象，結(jié)合提取的特征值數(shù)據(jù)，從數(shù)據(jù)庫中抽取隱含的、未知的、具有潛在應(yīng)用價值的信息，利用數(shù)據(jù)挖掘和信息融合技術(shù)在一定準(zhǔn)則下以最高效的融合方式將各種信息進(jìn)行自動分析，完成異常數(shù)據(jù)記錄過濾和異常狀態(tài)分類。目前常用的數(shù)據(jù)挖掘方法包括粗糙理論、遺傳算法和支持向量機(jī)等；人工神經(jīng)網(wǎng)絡(luò)、D-S證據(jù)理論和貝葉斯推理等都是常用的信息融合方法[21-24]。

2) 故障診斷推理機(jī)

故障診斷是指利用異常檢測數(shù)據(jù)及模型知識庫的不斷優(yōu)化學(xué)習(xí)訓(xùn)練，對系統(tǒng)運行狀態(tài)和異常情況做出判斷，并為系統(tǒng)故障恢復(fù)提供依據(jù)，包括故障診斷和故障定位兩個過程。在貯存期內(nèi)典型制導(dǎo)彈藥系統(tǒng)故障種類多種多樣，為了提高診斷準(zhǔn)確性，需要將貯存期內(nèi)所有故障模式進(jìn)行研究，并提取每一種故障模式所對應(yīng)的觀測數(shù)據(jù)，利用獲得的監(jiān)測數(shù)據(jù)，對系統(tǒng)所有故障模式進(jìn)行不斷優(yōu)化學(xué)習(xí)訓(xùn)練，構(gòu)成系統(tǒng)的故障診斷數(shù)據(jù)庫。作為參考，對于系統(tǒng)正常狀態(tài)的監(jiān)測數(shù)據(jù)需要提取。故障診斷的基本實現(xiàn)思路是當(dāng)監(jiān)測到異常數(shù)據(jù)或發(fā)生失效現(xiàn)象時，用監(jiān)測數(shù)據(jù)直接在故障診斷庫中搜尋對應(yīng)故障模式，并判斷故障危害性及發(fā)生位置[25-26]。

3) 故障預(yù)測推理機(jī)

故障預(yù)測是利用已有知識，采用適當(dāng)方法，預(yù)測典型制導(dǎo)彈藥系統(tǒng)未來任務(wù)段內(nèi)何時出現(xiàn)故障、出現(xiàn)什么故障，以便采取及時有效的預(yù)防措施實現(xiàn)預(yù)防維修，保障武器系統(tǒng)作戰(zhàn)效能的充分發(fā)揮。目前故障預(yù)測方法總體分為三類[27-28]：基于模型的故障預(yù)測技術(shù)、基于數(shù)據(jù)驅(qū)動的故障預(yù)測技術(shù)和基于統(tǒng)計可靠性的故障預(yù)測技術(shù)。典型制導(dǎo)彈藥絕大部分故障在發(fā)生前某一性能表現(xiàn)出持續(xù)退化或超差等征兆，且在貯存期內(nèi)所經(jīng)歷的環(huán)境/工作應(yīng)力信息比較容易監(jiān)測，因此故障征兆、故障原因和故障部位等存在某種線性或非線性的關(guān)系，基于環(huán)境應(yīng)力和性能變化數(shù)據(jù)等已建立了部分失效模型，隨著對系統(tǒng)故障深入研究，可以逐漸修正調(diào)整模型提高預(yù)測精度[29-30]。

但由于制導(dǎo)彈藥系統(tǒng)結(jié)構(gòu)復(fù)雜，故障表現(xiàn)形式多為隨機(jī)性和突變性，無法建立完整的動態(tài)模型，因此可以利用系統(tǒng)仿真、運行、維護(hù)等各個階段的測試、傳感器歷時數(shù)據(jù)、故障歷史數(shù)據(jù)等采用基于數(shù)據(jù)驅(qū)動或概率統(tǒng)計的方法進(jìn)行故障預(yù)測，其核心是故障預(yù)測算法。目前已有的預(yù)測算法有時間序列預(yù)測法、灰色預(yù)測法、神經(jīng)網(wǎng)絡(luò)算法、專家系統(tǒng)預(yù)測法、遺傳算法和多Agent預(yù)測算法[31-36]。

4 故障預(yù)測技術(shù)展望

隨著新技術(shù)的廣泛應(yīng)用，典型制導(dǎo)彈藥全壽命期內(nèi)經(jīng)歷的環(huán)境不斷變化，對故障預(yù)示預(yù)警系統(tǒng)軟、硬件提出了新的要求，即能夠?qū)崿F(xiàn)實時高效的故障預(yù)測。系統(tǒng)在長期運行過程中，由于數(shù)據(jù)量的幾何增長、性能退化、工作環(huán)境變化、維護(hù)升級和運行負(fù)載等原因影響系統(tǒng)故障預(yù)測的精度。因此，高效的故障預(yù)測需要基于最新的歷史數(shù)據(jù)和狀態(tài)信息對故障預(yù)測模型進(jìn)行再學(xué)習(xí)、再訓(xùn)練。

隨著5G通信、人工智能、大數(shù)據(jù)分析以及云計算等技術(shù)的突破，新型技術(shù)架構(gòu)如數(shù)字孿生和深度學(xué)習(xí)等在系統(tǒng)故障預(yù)測領(lǐng)域有了更多應(yīng)用[37-38]。數(shù)字孿生通過創(chuàng)建實時數(shù)字仿真模型，不斷從多個來源學(xué)習(xí)和更新自己，以表示其近實時的狀態(tài)、工作條件或位置，具有虛實共生、高虛擬仿真、高實時交互和深度洞見的技術(shù)特性，是天然的系統(tǒng)狀態(tài)監(jiān)測和故障預(yù)測技術(shù)。深度學(xué)習(xí)是一種分層的和自動的特征學(xué)習(xí)算法，通過構(gòu)建合適的深度模型，采用有效的訓(xùn)練方法，將少量標(biāo)簽樣本和大量無標(biāo)簽樣本結(jié)合起來訓(xùn)練，以獲取有效的特征表示，從而提升最終判決和預(yù)測的準(zhǔn)確性。裝備的屬性、性能、部署環(huán)境、動態(tài)信息、氣候、地形、電磁等因素皆可作為深度學(xué)習(xí)的輸入，反復(fù)修正訓(xùn)練模型，高精度地預(yù)測故障發(fā)生概率和發(fā)生位置。

5 結(jié)論

本文提出的典型制導(dǎo)彈藥故障預(yù)示預(yù)警系統(tǒng)設(shè)計，全面考慮了制導(dǎo)彈藥的工作特點，包括數(shù)據(jù)采集層、數(shù)據(jù)傳輸層、故障預(yù)測層3部分，各部分按照功能要求又分為彈藥內(nèi)部和外部環(huán)境監(jiān)測、數(shù)據(jù)分析預(yù)處理、異常診斷推理機(jī)、故障診斷推理機(jī)、故障預(yù)測推理機(jī)等模塊，基本滿足典型制導(dǎo)彈藥故障預(yù)示預(yù)警的要求，為實現(xiàn)典型制導(dǎo)彈藥故障預(yù)測與健康管理提供了實現(xiàn)途徑。