基于数据的雷达产品快速排故技术研究*

王超，林涛，王蕾，孙晓娜，高心军，宋立军

（1. 北京无线电测量研究所，北京 100854；
2. 国防科技大学 空天科学学院，湖南 长沙 410073）

从目前国内雷达产品使用情况来看，为了适应新时期的需求，雷达产品不断提高电子化、信息化水平，雷达产品出现种类多、技术难度越来越复杂的现象。雷达产品出现故障时，用户进行故障排除主要参考的都是厂家交付的资料，这些资料信息不全面，能考虑到的故障原因有限，其排故过程基本上是以BIT 能报出来的故障现象为主，然后直接对应到某个LRU 的更换，主要偏重经验总结和表述。用户对产品突然出现的故障，特别是复杂故障，不能快速对其定位和解决，降低了产品保障效率。

针对以上情况，厂家需要积极发挥自身的技术优势，利用产品使用过程中，积累的大量使用数据，特别是复杂故障数据，综合设计、环境等数据，对这些产品使用过程中实际发生的数据进行挖掘和分析，利用故障现象和故障原因进行识别和诊断，提炼出故障排查的有效策略，形成故障排查指导手册等形式的指导文件，以指导用户快速定位故障，解决问题，提升用户自身的排故能力。

基于数据的雷达产品快速排故技术分为数据收集、模型研究、平台搭建、实例验证4 个部分。如图1 所示。

图1 基于数据的雷达产品快速排故技术Fig.1 Rapid troubleshooting technology for radar products based on data

其中数据收集主要是作为基于数据的雷达产品快速排故技术研究的数据输入，收集雷达产品的设计数据、使用数据和环境数据，建立雷达产品综合保障数据库。

模型研究主要是对分层推理集合搜索技术模型的研究。该模型由多信号流分层推理模型和集合搜索推理机模型构成，前者主要用于故障现象和故障点之间的相关性矩阵生成，后者利用前者的相关性矩阵推导出有效排故策略。

平台搭建主要是以分层推理集合搜索技术模型为核心算法，开发雷达产品快速排故手册自动生成软件，结合实际产品数据，对生成的排故策略进行权重排序和仿真验证。

实例验证是以雷达产品综合保障数据库中的某型产品数据为输入，利用雷达产品快速排故手册自动生成软件生成排故手册样例。

1.1 雷达产品综合保障数据库

雷达产品综合保障数据库作为基于数据的雷达产品快速排故技术研究的数据基础，是开展后续工作的首要条件和输入。雷达产品综合保障数据库以使用数据（重点是故障数据）为主，还包括设计数据和环境数据等。数据的收集来源有2 个：①用户记录的大量产品使用信息；
②作为厂家售后服务信息化平台提供的产品售后信息，以及相关设计平台提供的产品设计信息等。

建立雷达产品综合保障数据库的工作流程包括：确定数据来源、分类收集数据、对数据进行预处理、形成正式数据进行存储。工作流程图如图2所示。

图2 数据收集工作流程Fig.2 Data collection workflow

（1）明确数据来源：根据雷达产品的生产和使用情况，用户和厂家都积累了大量的相关数据，可以作为雷达产品综合保障数据库的有效来源。

（2）数据分类收集：根据数据来源角色的特点，记录的数据各有偏重，用户主要记录产品使用数据，包括产品基本数据、故障数据和备件数据等。厂家作为产品的研制生产单位，侧重于记录产品设计数据和环境数据，也包括售后服务产生的产品故障数据等使用数据［1-2］。

（3）数据预处理：数据预处理主要包括清洗、筛选等。数据的清洗原则主要针对不完整的数据、重复的数据和无意义的数据，数据经过预处理后作为正式数据进行存储［3］。

（4）数据存储：经过预处理的数据按数据的大小和类别进行存储，数据导入分为全量导入和增量导入，方便后续数据的积累更新［4-5］。

数据按产品阶段分为：产品研制阶段的设计数据、产品使用阶段的使用数据和环境数据。

1.2 分层推理集合搜索技术模型

如图3 所示，分层推理集合搜索技术模型由多信号流分层推理模型与集合搜索推理机模型组成，其中多信号流分层推理模型将故障点和故障现象转化为各种信号，依据雷达产品的层次结构，分析功能故障与系统故障的关系，利用有向图的传播路径，形成故障相关性矩阵。集合搜索推理机模型提供了一种诊断推理算法，该算法依据多信号流分层推理模型产生的故障相关性矩阵，通过故障现象等数据输入，推理出有效的排故策略。

图3 分层推理集合搜索技术模型Fig.3 Hierarchical reasoning set search technology model

1.2.1 多信号流分层推理模型

雷达系统一般有多个分系统组成，包括接收机系统、发射机系统、信号处理系统、伺服系统、指控系统等等，分系统下还包括多个组合，组合内包含多个插板和元器件。依据雷达产品的系统分层结构关系，多信号流分层推理模型可以结合雷达系统分层组成结构进行分层推理，完成系统故障到故障产品的推理连接。

故障产品作为模型节点即信号，不同的故障现象作为测试输入，该模型从多维测试属性为起点，判定雷达系统中二者之间的因果联系。从模型表现形式上说，多信号模型以下列这些元素构成：

有限的系统构成元件集 C=｛c1，c2，…，cL｝；

n 维测试集 T=｛t1，t2，…，tn｝；

每个测试点TPp对应一组测试集SP（TPp）；

每个元件ci影响一组信号集SC(ci)；

每个测试tj检测一组信号ST(tj)；

有向图 DG=｛C，TP，E｝，其中，系统的物理连接由有向图的边E 表示。

多信号流分层推理模型更接近系统的物理结构，是由于其自身覆盖了多个信息流模型。此外，“信号”可以用来对应构成系统功能的独特属性或者系统传输功能中的独立单元。因而，可能的信号数量是一个比较小的可数集，并且通过定义不相关性，信号故障模式不会对其他的信号产生影响［6-8］。

（1）多信号分层建模

对复杂的雷达产品按照功能和结构进行适当地划分，可以实现雷达产品由数量有限的多个可更换单元构成。例如，按功能划分，系统可划分为系统级、子系统级、LRU、SRU、器件等层次。产品进行功能层次划分，有2 个主要益处：①系统故障定位更加方便；
②有利于程序的定义。因此，正确的产品功能层次划分，对于故障隔离的模糊度的降低有很大帮助。

在多信号流分层推理模型建立过程中，可以直接发现一种故障模式与其他相邻模块造成影响的传播途径。该模型与产品真实功能的分层模块相对应，所以不需要与实际无关的单故障假设，达到在最短时间内产生诊断策略的可能。

分层多信号相关性框图用来得到系统模块和测试点间的一阶因果相关性关系。系统模块包含子模块，甚至上一级系统子模块。部件为最低层次模块。通过此方式，将一个产品系统划分为多个层次。模块中包含故障来源或原因。测试节点表示监测点，从中可观测到故障的影响。例如，节点X 和Y 的连接表示X 会影响到Y 或Y 的状态取决于X。可以通过一阶相关性推理获得高阶相关性。AND（与）节点在模型中作为故障容错的冗余结构。通过开关模拟产品相关操作的各种模式。此外，为了在功能上隔离其他模块，可以用SWITCH 节点来实现［9-10］。

（2）多信号流图模型中节点类型

作为一种分层建模技术方法的多信号流分层推理建模，利用有向图得到故障影响的传播路径。多信号模型的基本节点包括有向图中的4 种，模块节点与测试节点是必须包含的，SWITCH 节点与AND 节点是根据产品结构需求可以自行选择。

模块节点：以信号表示的具有某种功能硬件的集合。为了运用分层建模技术，模块本身通过子模块或者其他节点进行表示。可能故障的节点通过模块表示，通过故障现象定位故障点就是诊断过程。每一模块节点包含下列要素：名称、输入端子数量、输出端子数量、影响到的信号集等。

测试节点：进行测量的物理位置或者逻辑位置。故障发生时，在故障监测页面或者具体的组合面板上都有相应的异常现象，这些异常现象隶属于测试节点的信息内容。

开关节点（SWITCH node）：系统的不同状态可以用不同的开关模式来表示。这使得产品多种工作模式的建模成为可行。SWITCH 节点用来建立模型的交互式系统和动态特性。

与节点（AND node）：用来捕获系统冗余信息。如果 Z 被影响，那么 X 和 Y 必须是故障，使用 AND 节点连接X、Y 和Z 节点。AND 节点的使用可以对故障容错系统实现建模，并进行故障过程诊断。

连接线路：传播途径的表示方式，表示不同节点之间故障信息传播。在TEAMS 中，包含2 种模式：可断开或不可断开。

对于一个给定的模型和产品系统状态，采用上述节点和连线表示，可以利用传播算法把此图转化为单个全局故障相关性矩阵。此相关性矩阵已经包含了产品的相关信息，通过此方式实现故障诊断的目的。

（3）多信号流分层推理相关性矩阵

使用多信号流分层推理模型得到产品一阶因果相关性，例如，X 影响到Y，Y 影响到Z。通过可达性分析算法，推断出全局相关性即X 影响到Z。与此同时，为了实现计算相关性或者故障字典矩阵，需要明确其中的故障现象可以观测到对应的故障产品。

最小的功能明确的实体是多信号流分层推理建模的关键是部件。以雷达产品为例，将最小的功能部件定义到LRU 级别产品，当某一部件出现故障时，与之有关联的所有信号都会收到影响。与此相反，部件正常则表面与该部件有关联的任何信号都是准确无误的。基于以上分析，每一部件故障模式归类为2 方面就足够了，即系统故障和功能故障。

比如，假设存在L 个部件，其中有Lf（Lf是L 的子集）部件出现功能故障，出现功能故障的部件个数为Lf，与之对应的测试有n 个，相关性矩阵D 大小为（Lf+L）×n。假设测试tj与部件ci存在故障传播途径，而且部件ci具有系统故障相关性，那么故障相关性矩阵DiGj=1；

若DiGj=1 且SC（ci）∩ST（tj）≠∅，那么集合搜索推理矩阵Difj=1。搜索推理矩阵包含了系统的故障诊断信息，并且可以利用该矩阵实现所有测试性的相关分析。

通过有向图边传播令牌的方法来从故障源找出其他受到影响的节点，即实现给定故障源si∈S 可达的测试tj∈T。当一个令牌到达一个故障点时，其副本传递到该节点适合的连接边或输出端。如果节点已通过其他令牌到达，则使此令牌既不传播也不复制。算法中止的条件是所有令牌无法传播到任何新的节点。

此可达算法通过从故障点到故障现象的前向模式或从故障现象到故障点的反向模式实现，此算法最差的复杂性是 min｛O（|S||E|），O（|T||E|）｝，其中|S|，|T|，|E|分别是故障点集 S、测试集 T 以及有向图边集 E 的元素个数［3］。

（4）建立模型及应用示例

以某型雷达产品故障数据为示例，首先建立产品的系统结构组成，从系统→组合→组件级别，作为产品分层模型关系基础；
其次，建立各层次故障发生现象及故障部位的具体配备关系，作为产品分层模型的分析节点元素；
最后，按照模型结构关系及层次匹配逻辑作为集合搜索推理机推理输入。

1.2.2 集合搜索推理机模型

由于造成同一故障现象的故障原因有多个，同一个故障原因本身又会引起多个故障现象，所以故障原因推理的数据关系基本是一对多的映射关系，集合搜索推理机以故障数据为输入，结合多信号流分层推理模型生成的相关性矩阵，对故障现象进行故障原因推理［11-13］。

集合搜索推理机是基于输入的故障现象和预先导入的故障相关性矩阵推理得出故障原因。为了对大规模集成雷达系统进行故障诊断时能快速准确地得出诊断结果，采用集合搜索运算的方式实现推理机。主要计算过程如下：

输入：用0 表示的正常，用1 表示异常，此故障相关性矩阵二值测试结果作为测试性模型接口文件。

输出：各产品模块所属集合，即正常、故障、可疑、未知。

算法流程：

Step 1：所有模块均作为可疑对象进行设定。

Step 2：先将正常的测试进行处理。更新各集合的前提是，将与通过测试相关的模块状态全部设为正常。

Step 3：最后处理异常测试。从与异常的测试相关模块中剔除掉正常的模块，故障模块设置的前提是剩余的模块数量为1，否则保持初始状态不变。

假定相关性矩阵如表1 所示。

表1 相关性矩阵样例Table 1 Examples of correlation matrix

相关性矩阵中包括异常测试1～异常测试5 共5个测试（即5 种故障现象，与表1 中表头“异常测试”含义相同），节点 1～节点 5 共 5 个故障产品（与表 2 中表头“实际故障产品”对应），为了表述简洁，下文中直接用标号表示对应的测试和故障产品。系统模拟推理结果如表2 所示。

以表2 中序号5 信息为例，当“实际故障产品”5发生故障时，其“异常测试”结果为测试4，“测试4”对应的故障产品有序号3、4、5。其“正常测试”为测试 1、测试 2、测试 3、测试 5（如表 1 中数值为非 1 的情况），由于故障产品 3（对应表 4 中的“节点 3”）发生故障时，测试3 和测试5 都应该为异常测试，所以故障产品可以排除序号3 产品，结合上述结果，可以怀疑故障产品是序号4 和序号5，但是不能确定具体是序号4 产品故障还是序号5 产品故障。

表2 集合搜索推理机测试举例Table 2 Examples of set search inference engine tests

在进行集合搜索推理时，主要利用在分层模型内部的故障现象、故障位置对应的矩阵元素数据，在进行产品实际故障发生时利用“复杂现象→故障位置”形成“一对一”或“多对一”的具体映射关系，实现故障的快速定位及故障的准确判别［14-15］。

1.3 平台搭建

利用分层推理集合搜索技术模型为核心算法，开发雷达产品快速排故手册自动生成软件平台，该软件平台通过读取雷达产品综合保障数据库数据，按照雷达产品的结构组成生成排故策略，即可以通过目录查看故障发生的产品部位，并具备对排故策略的权重排序和仿真验证功能，最终生成雷达产品快速排故手册电子文档，以Word 文档的形式保存，可以直接打印为纸质文档，方便使用人员在排故现场查阅。

软件可以提供2 种方式自动生成排故手册文档。方式1：逐条生成，即一条排故策略生成一个文档。方式2：合并生成，即多条排故策略生成一个文档。这2 种方式的自由组合可以生成雷达产品总的故障排查手册，也可以单独生成某个分系统的故障排查手册。

软件业务功能框图如图4 所示。

图4 软件业务功能框图Fig.4 Software business function block diagram

（1）权重排序

在实际的工程实践中，同一个雷达故障现象会由多个故障点引起，而不同的故障点引起该故障现象的概率是不同的，雷达产品快速排故手册自动生成软件根据雷达产品综合保障数据库故障数据的实际重复频率，进行权重排序，即该故障点引起此故障现象次数越多，权重占比越大。当生成排故策略时，按照权重由大到小的顺序排列，指导用户优先排查最有可能的故障产品。

（2）仿真验证

软件提供仿真验证功能，包括故障模拟诊断和故障注入仿真，用户可以校核和验证故障相关性矩阵文件信息，检验其正确性。故障模拟诊断可在测试列表中人为选择测试项或者注入自动仿真得到的测试项结果来模拟诊断得到发生的故障项；
故障注入仿真是人为注入发生的故障项，利用故障推理来仿真得到相关的测试项结果。

1）故障模拟诊断（故障现象到故障点）

软件为故障模拟诊断的测试列表提供2 种输入方式。方式1：测试列表中直接选择相关性矩阵的测试项；
方式2：通过故障注入仿真，加入仿真得到的测试项结果。软件提供将测试列表中的正常测试项和异常测试项进行互换的操作。用户可以选择单个或多个测试项，模拟诊断得到发生的故障项，可通过该功能校核测试数据的有效性。

2）故障注入仿真（故障点到故障现象）

软件提供故障注入仿真功能，用户可以从相关性矩阵的故障项中选择单个或多个故障项，并将其注入到故障仿真列表中。软件提供可将仿真列表中发生的故障项和未发生的故障项进行互换的操作。通过模拟仿真，用户可以得到正常测试项和异常测试项结果。该仿真的测试结果可以作为输入被加入到故障模拟诊断的测试列表中，可通过该功能验证故障信息的正确性。

（3）数据更新

雷达产品综合保障数据库中的数据会随着产品服役时间的延长而不断积累，雷达产品快速排故手册自动生成软件可以根据更新的产品数据，自动更新故障排查策略，生成新版雷达产品快速排故手册。

1.4 实例验证

利用收集的某型雷达产品的设计数据、使用数据和环境数据，对其中的使用数据，特别是故障数据进行清洗，建立雷达产品综合保障数据库。

将清洗后的数据输入雷达产品快速排故手册自动生成软件，生成相应的排故策略，经过仿真验证后，形成某型雷达产品快速排故手册样例。

该手册以雷达产品的产品组成层次为目录，可以根据故障现象的部位直接查阅，每条排故策略由故障现象、故障原因、故障维修、恢复检查和注意事项组成，其中为了便于使用者直观了解故障现象，手册中的“故障现象”部分，包含了故障现象图片，用户可以直接与实际故障现象进行核对，快速确认故障。

基于数据的雷达产品快速排故技术可以利用雷达产品的故障数据，得出故障排除方法，可以有效指导用户的故障排除工作，提高用户自主排故能力。该技术中的分层推理集合搜索模型不仅适用于雷达产品，也适用于其他电子产品，雷达产品综合保障数据库可以扩展为其他电子产品的综合保障数据库，从而可以方便快速地推广到其他电子产品中，可以有效支撑其他电子产品用户的快速排故需求。

猜你喜欢排故雷达分层有趣的分层现象军事文摘(2020年18期)2020-10-27DLD-100C型雷达测试方法和应用电子制作(2019年15期)2019-08-27雷达小学生学习指导(低年级)(2018年12期)2018-12-29雨林的分层动漫星空(兴趣百科)(2018年4期)2018-10-26有趣的分层中学生数理化·八年级物理人教版(2017年3期)2017-11-09基于机电设备电气控制线路排故的仿真系统设计价值工程(2016年29期)2016-11-14基于空时二维随机辐射场的弹载雷达前视成像火控雷达技术(2016年3期)2016-02-06空中交通防撞系统（TCAS Ⅱ）的排故与维护民用飞机设计与研究(2015年3期)2015-12-07现代“千里眼”——雷达百科探秘·航空航天(2015年4期)2015-11-07跨越式跳高递进与分层设计体育教学(2009年11期)2009-07-14

推荐访问:技术研究 快速 数据