无人艇感知系统PHM技术
顾 兵，何 青，史厚宝
(中国船舶重工集团公司第七二三研究所，江苏 扬州 225101)
摘要： 无人艇作为新一代作战平台，在军事领域应用越来越广，其感知系统已从简单导航、避碰功能，扩展到了集情报收集、反潜作战、精确打击等多维一体的系统。随着无人艇感知系统综合化、智能化程度不断提高，其功能丧失几率越来越大，且故障发生后无法进行人工修复。故障预测与健康管理(PHM)技术可实时对设备状态和健康状况进行评估，可降低维修成本，提高系统的安全性及任务成功率，提升作战效能。研究了无人艇感知系统，给出了其PHM系统结构及设计方案。
关键词： 无人艇；感知系统；故障预测与健康管理；验证与确认
0 引 言
近年来随着无人技术的发展，世界各国掀起了其在军事领域应用研究的热潮。无人艇作为新一代海上作战平台，其感知系统已从简单导航、避碰扩展到了集情报收集、反潜作战、精确打击等多维一体的复杂系统。随着无人艇感知系统作战使命任务的不断扩展，系统集成化、复杂化程度的不断提高，其故障发生概率同步提高，保障要求也越来越高，传统的事后维修或定期维修已不能满足系统任务成功率要求。故障预测与健康管理(PHM)技术利用传感器采集系统的各种数据信息，借助各种智能推理算法来评估系统自身的状态，在系统故障发生前对其故障进行预测，并结合各种可利用的资源信息提供一系列的维修保障措施，根据设备状态实施视情维修[1]。
本文根据无人艇感知系统的特点，从实际应用出发，结合已有技术理论和研究基础，分析给出了无人艇感知系统PHM的结构及设计方案，可为后续无人艇感知系统的实际开发提供技术支撑。
1 PHM系统结构
PHM系统结构主要有集中式结构、分布式结构和混合式结构3种类型[2-3]，分布式结构各子系统独立完整的状态监测与健康管理系统，针对性强。无人艇感知系统是一个复杂的多设备组成系统，一般由光电、导航雷达等“通用载荷”以及反潜声纳、监测雷达、侦察机、干扰机等“专用载荷”组成，考虑到各组成设备均是一个完整、相对独立的系统，因此无人艇感知系统采用分布式系统结构，每个分设备进行设备级的PHM管理，感知系统进行系统级的PHM管理，基地进行基地级的PHM管理，其结构如图1所示。
图1 无人艇PHM系统架构示意图
每个分设备均设有相对独立、完整的PHM系统，负责本设备的故障诊断预测与健康管理。每个设备的PHM系统都设有数据采集模块、信息处理模块、状态监测与健康评估模块、故障诊断预测模块、数据库模块以及PHM管理模块[4]。每个分设备均设有设备级PHM管理模块负责各自设备PHM系统中模块的管理控制以及各自设备健康状态数据的上报；同时，在感知系统及基地分别设有系统级、基地级PHM管理模块。系统级PHM管理模块负责收集分设备健康状态数据、分析处理并将结果上报基地级PHM管理模块。基地级PHM管理模块根据系统发过来的健康状态数据，结合维修决策数据、保障资源信息以及人机接口命令进行系统维修评估与决策，决定是否进行维修。
2 PHM系统流程
首先，数据采集模块通过各类传感器和机内测试(BIT)采集设备状态数据。其次，信息处理模块对采集的对象状态参数信息进行预处理、分析并提取其特征。再其次，状态监测与健康状态评估模块将这些特征信息进行辨识,并与数据库中存储的对象相关健康信息进行模糊匹配,形成对象健康状况评估。然后，故障诊断预测模块对监测到的异常征兆,结合专家知识库和模型库中的专家知识及各类诊断、预测推理模型,对故障进行识别、推理,判断其故障模式、原因和位置,并进行趋势分析,计算故障征兆的发展趋势、影响和估计剩余寿命等。接下来,由状态决策对本设备进行综合分析、评判决策，并将结果发送至本设备PHM管理模块，设备级PHM模块再将结果汇总至系统级PHM管理模块。最后，系统级PHM管理模块对各设备上报的设备状态进行管理汇总上报至基地级PHM管理模块，基地级PHM管理模块综合上报的系统状态结合维修保障资源进行任务规划、维修决策，最终完成维修。具体PHM系统流程图如图2所示。
图2 PHM系统流程图
3 PHM系统各模块功能及实现分析
3.1 数据采集模块
按照国家对稠油分类的标准，地层黏度大于50 mPa·s并且地面黏度小于10Pa·s的为普通稠油［1］。胜利油田普通稠油储量为10.5亿t，以注水开发为主，其中地下原油黏度大于100mPa·s的水驱储量为3.75亿t，预测采收率小于20%。有必要对提高水驱普通稠油采收率的开发方式及水驱后转热采的可行性进行研究。
3.2 信息处理模块
时间序列的测量值对应的模型具有未知特性，因此首先进行时间序列模型识别，用样本自相关函数和样本偏自相关函数与ARMA模型理论上自相关函数及偏自相关函数相匹配；然后，进行时间序列模型的参数估计，得出均值、方差和自协方差系数；最后对模型进行统计量检验，进而得到预测模型。
本系统信息处理模块主要包括数据预处理、数据分析和特征提取3个部分。数据预处理通过对传感器原始数据的插补、异常剔除、格式转换等以保证数据的完整性、准确性及可用性。数据分析主要对预处理后的数据进行分析，找出数据的变换规律和发展趋势，为健康评估和故障诊断预测模型的建立奠定基础。特征提取主要将数据从测量空间转换到特征空间，获得与设备相关性强的特征向量，以便于后续状态监测处理。
3.3 状态监测与健康评估模块
状态决策模块主要对故障诊断和预测的结果进行综合分析和判断，并对本设备的状态进行决策，同时将结果上报设备PHM管理模块。
本系统采用基于自回归移动平均(ARMA)模型的设备故障预测方法[6]。
数据库模块主要对各种数据进行管理存储，包括各种监测数据，各模块运行结果以及各模块在运行过程中需要的知识、模型、算法等。
图3 基于FMECA的装备健康状态评估
首先从FMECA报告的分析结果中提取健康状态影响因素，并进行归一化处理，将其压缩在(0,1)之间转化为无量纲的数据；根据影响因素的类型，由健康状态隶属函数得到健康状态隶属度向量，对单因素影响下的健康状态等级做出判断；以健康状态隶属度向量作为输入，采用灰色关联分析法求得各因素权重；通过模糊综合评估模型得到在各因素综合影响下的设备健康等级。
对于数据采集，主要考虑监测对象的选择、参数选取以及监测参数的获取方式。在本系统中，监测对象的选择主要通过对系统中各设备进行故障模式、影响及危害(FMECA)分析确定故障类别和严酷度，严酷度为3级的必须进行状态监测[5]。对于参数选取，主要是在被监测对象的技术指标基础上，结合其故障历史数据，选择那些确实能反映监测对象状态的技术指标参数[5]。对于数据获取方式主要采用设置传感器的方式，另外由于雷达设备对其关重部件设置了机内测试仪器(BITE)，因此还可以通过BITE来获取相关参数。
3.4 故障诊断预测模块
故障诊断预测PHM系统工程的核心，就是综合利用各种数据信息，包括监测参数、使用状况、先验数据、历史数据等，并借助各种各样推理技术，如数学物理模型、人工智能等对设备未来的故障进行预测、分析和判断，确定故障性质、类别、程度、原因和部位，给出故障的发展趋势及故障可能造成的后果，指导设备保障规划。
图4 基于ARMA的故障预测
3.4.1 多样性指数。各土地利用方式大型土壤动物群落多样性（H）森林＞湿地＞农田＞退耕林地＞退耕湿地。
由于传感器工作性能、所处工作环境和工作状态等影响，监测数据具有随机、模糊、不确定等特性，因此需要对采集到的数据进行筛选和补充；同时，由于传感器获得的数据不能直接反映设备器件的状态特性，因此还需要对传感器获得的数据进行分析，找出数据变化的规律和趋势，将测量值转换成特征值，以便于后续进行健康状态评估。
3.5 状态决策模块
系统的状态是很难被直接观测到的，能够检测到的常常是电子系统表现出来的若干与其状态相应的特征，因此需要依靠系统表现出来的特征去推理系统的状态，状态监测的目的就是完成由特征到状态的识别。健康评估就是通过对测试数据进行分析，利用一些判断、推理算法评估当前状态偏离正常状态的程度。
对于小学学生的语文素养进行评价，通常通过两种方式相互结合的方式，也就是总结性以及形成性。其中，形成性主要是学生在小学语文主题教学中实际的学习实践情况以及分项测评，而总结性主要是对学生的综合测评。分享测评主要对通过各个方面来检测学生的语文学习能力和情况，要根据学生的年纪不同来选择不同的检测内容。而综合测评主要是检测学生对语文的实际应用能力以及解决实际问题的能力。
3.6 PHM管理模块
本系统中PHM管理模块为标准模块，主要实现PHM系统中各模块控制、数据传送、本级状态参数融合处理决策和接口等功能。系统设备、系统及基地均设有PHM管理模块，其中基地级PHM管理权限最高，其次是系统级，最后是设备级。
3.7 数据库模块
本系统采用基于FMECA的装备健康状态评估方法[6]，评估方法如图3所示。
3.8 维修决策模块
维修决策是以设备健康状态评估和故障预测为基础，综合利用相关预知信息进行设备状态维修决策的技术。状态维修决策是将技术层次的状态信息与决策者关注的后果信息进行融合，并制定预防性维修策略的过程，其主要解决当前是否需要实施预防性维修、最佳预防维修时间以及下次状态检测时间的确定等问题。
3.9 决策支持模块
决策支持模块主要功能是在健康评估与预测的基础上，结合各种可利用的资源，提供一系列的维修保障决策、维修资源的统一调配以及各相关单位的协同保障等，可极大地提高保障的效率和精确度。
2012年，已建好的日光温室大棚虽然初具规模，但在运作时却遇到不少实际困难，大部分职工顾虑较多，不愿种大棚，一是没有技术，二是担心大棚蔬菜销不出去挣不了钱。面对诸多实际情况，林洋多次主持召开公司领导班子会议集体研究对策，并随之出台了多项扶持、优惠政策：公司领导班子成员分片包点带头种大棚，职工种大棚公司不收取管理费，公司聘请专家免费进行技术培训指导，成立蔬菜销售公司免费销售蔬菜、低价提供农业生产资料。由于政策对头、措施得力，大棚开始正常运作。种植大棚的职工通过科学种植、强化管理，收益颇丰，大部分职工实现了增收。
“教所要求的是让学”，即，让学生学会学习。这是德国哲学家海德格尔的发现，与我们生活中的赶牛现象揭示的其实是同一道理。“让”是位置的变化，是重心的转移，把位置、时间、场所、机会，尽可能地让给学生，让学生在愤悱、顿悟、建构的心理体验中领悟道理，享受成长的快乐，成为最好的自己，这是教育本原。平时教育过程中，我们看到太多教师将教师主导变成了主宰，究其原因就是不会驱动，短期内看似有作用，长远看则是事倍功半的做法。
3.10 人机接口模块
用于人机互动，如数据管理、项目管理、流程管理、状态监测告警等。
经过车牌定位之后，如果成功的话，我们会得到含有车牌的小范围图片。直接对其进行分割处理，往往会出现分割失败的情况。由于诸多不可抗的因素类似于车牌有磨损，车牌表面有泥点，由于光照因素，车牌表面会有反光现象以及最重要的一点，由于拍摄角度问题，车牌会呈现平行四边形或者车牌整体呈现一定的倾斜角度，导致分割时会出现问题[11-14]。当然，车牌本身由于有分隔符以及铆钉等影响，也会出现分割不准确的结果。如果不好好处理，将会影响下一步的识别正确率。因而，在分割之前需要对车牌进行一定的预处理。
4 结束语
PHM技术通过对系统状态监测和健康管理，可实时对设备状态进行评估并对健康状况进行评价，可降低维修成本，提高系统的安全性及任务成功率。本文从实际应用出发，结合已有技术理论和研究基础，将PHM技术应用于无人艇感知系统并初步给出了其系统结构和设计方案以及各模块的具体实现方式，可为后续无人艇感知系统的实际开发提供技术支撑。
参考文献
[1] 曾声奎,MICHAEL G P,吴际.故障预测与健康管理(PHM)技术的现状与发展[J].航空学报,2006,26(5):626-632.
[2] 张叔农,谢劲松,康锐.电子产品健康监控和故障预测技术框架[J].测控技术,2007,26(2):2-16.
[3] 王锟，王洁，冯刚，杜安利.复杂装备故障预测与健康管理体系结构研究[J].计算机测量与控制，2012,20(7)：1740-1743.
[4] 孙博，康锐,谢劲松.故障预测与健康管理系统研究和应用现状综述[J].系统工程与电子技术，2007,29(10):1763-1767.
[5] 王晗中，杨江平，王世华.基于PHM的雷达装备维修保障研究[J].装备指挥技术学院报,2008,19(4)：83-86.
[6] 周林，赵杰，冯广飞.装备故障预测与健康管理技术[M].北京：国防工业出版社,2015.
PHM Technique of Unmanned Surface Vehicle Sensing System
GU Bing,HE Qing，SHI Hou-bao
(The 723 Institute of CSIC,Yangzhou 225101,China)
Abstract :As a new combat platform,unmanned surface vehicle (USV) has been widely used in the military field.Its sensory system has expanded from simple navigation and collision avoidance to multi-dimensional and integrative system integrating information-collecting,anti-submarine operation and precise strike,etc.With the continuous improvement of comprehensive and intelligent level of the USV sensory system,the probability of function loss is becoming bigger and bigger,and it can not be manually repaired after the failure occurs.The technology of prognostic and health management (PHM) can evaluate the equipment state and health condition in real time,reduces the maintenance cost,improve system security and mission success rate,increase the operational efficiency.This paper studies the USV sensing system,and gives the structure and design scheme of PHM system.
Key words :unmanned surface vehicle;sensory system;prognostic and health management;validation and verification
中图分类号： TM76
文献标识码： A
文章编号： CN32-1413(2019)03-0038-04
DOI :10.16426/j.cnki.jcdzdk.2019.03.009
收稿日期: 2019-01-09
标签：无人艇论文; 感知系统论文; 故障预测与健康管理论文; 验证与确认论文; 中国船舶重工集团公司第七二三研究所论文;