基于数据的雷达产品快速排故技术研究

doi:10.3969/j.issn.1009-086x.2022.05.014

摘要/Abstract

摘要：

随着电子信息技术的不断发展，雷达产品的集成度和复杂度日益提高，产品交付的资料难以全面有效地指导用户排查产品故障，而在产品使用过程中，大量的故障数据并没得到有效利用。基于数据的雷达产品快速排故技术是以雷达产品大量使用数据为主要输入，利用分层推理集合搜索技术模型，从雷达产品的层次结构入手，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。依据故障相关性矩阵，通过故障现象等数据输入，推理出有效的排故策略。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。

关键词: 分层推理, 相关性矩阵, 快速定位, 集合搜索, 多信号流

Abstract:

With the continuous development of electronic information technology， the integration and complexity of radar products are increasing， and the materials delivered by the product are difficult to guide the user to troubleshoot the product failures comprehensively and effectively. Furthermore， in the process of product usage， a large amount of fault data have not been effectively utilized. The data-based rapid troubleshooting technology for radar products uses a large amount of usage data of radar products as the main input， using hierarchical reasoning to aggregate search technology models， starting with the hierarchical structure of radar products， analyzing the relationship between functional failures and system failures， and using the propagation path of the directed graph to form a fault correlation matrix. Based on the fault correlation matrix， the technology infers effective troubleshooting strategies through the input of fault phenomena and other data， and forms guidance documents in the form of troubleshooting guides to guide users to quickly locate faults， solve problems， and improve uses’ own troubleshooting capability.

Key words: hierarchical reasoning, correlation matrix, fast locating, collective search, multiple signal steams

中图分类号:

TN956

王超, 林涛, 王蕾, 孙晓娜, 高心军, 宋立军. 基于数据的雷达产品快速排故技术研究[J]. 现代防御技术, 2022, 50(5): 106-113.

Chao WANG, Tao LIN, Lei WANG, Xiao-na SUN, Xin-jun GAO, Li-jun SONG. Research on Rapid Troubleshooting Technology of Radar Products Based on Data[J]. Modern Defense Technology, 2022, 50(5): 106-113.

图/表 6

参考文献 15

1	韩成成，增思涛，林强，等. 基于决策树的流数据分类算法综述［J］. 西北民族大学学报，2020，41（2）：20-29.
	HAN Cheng-cheng， ZENG Si-tao， LIN Qiang，et al. Decision Tree Based Streaming Data Classification Algorithm： A Survey［J］. Journal of Northwest Minzu University， 2020，41（2）：20-29.
2	张文钢，谷军. 分类数据挖掘综述及应用［J］.太原师范学院学报，2006，5（3）：48-49.
	ZHANG Wen-gang， GU Jun.The Survey and Application of Classification Data Mining ［J］. Journal of Taiyuan Normal University， 2006，5（3）：48-49.
3	林超，崔良中，周钢. 基于分类矩阵ID3决策树的数据预处理技术研究［J］. 舰船电子工程，2013，33（4）：28-31.
	LIN Chao， CUI Liang-zhong， ZHOU Gang.Data Pre-Processing Technology Based on Classification Matrix ID3 Algorithm［J］. Ship Electronic Engineering，2013，33（4）：28-31.
4	吴金朋. 一种大数据存储模型的研究与应用［D］. 北京：北京邮电大学，2013.
	WU Jin-peng. Research and Application of A Big Data Storage Model ［D］. Beijing： Beijing University of Posts and Telecommunications，2013.
5	杨锐. 新一代天气雷达数据存储系统设计与实现［D］. 北京：北京邮电大学，2012.
	YANG Rui. The Design and Implementation of New Generation Weather Radar Data Storage System ［D］. Beijing： Beijing University of Posts and Telecommunications，2012.
6	胡文平. 基于智能信息融合的电力设备故障诊断新技术研究［D］. 武汉：华中科技大学，2005.
	HU Wen-ping. Study on New Technology of Fault Diagnosis for Electrical Equipment Based on Intelligence Information Fusion ［D］. Wuhan：Huazhong University of Science and Telechnology，2005.
7	吴海桥. 现代大型客机故障诊断专家系统的研究与开发［D］. 南京：南京航空航天大学，2002.
	WU Hai-qiao. Research & Development of Fault Diagnosis Expert System for Modern Airliner ［D］. Nanjing： Nanjing University of Aeronautics and Astronautics，2002.
8	陈理渊. 多传感器数据融合及其在电机故障诊断中的应用研究［D］. 杭州：浙江大学，2005.
	CHEN Li-yuan. Multisensor Data Fusion and Its Application in Induction Motor Fault Diagnosis ［D］.Hangzhou： Zhejiang University，2005.
9	张强，胡骏，胡政，等. 基于多信号模型的航天器供电系统测试性建模与分析［J］. 载人航天， 2012，18（6）：39-46.
	ZHANG Qiang， HU Jun， HU Zheng， et al. Testability Modeling and Analysis of Spacecraft Power Supply System Based on Multi-Signal Flow Diagram［J］. Manned Spaceflight， 2012，18（6）：39-46.
10	李慧鹏，李科. 基于特征数不变量的插针特征点匹配算法研究［J］. 半导体光电， 2020，41（6）：865-869.
	LI Hui-peng， LI Ke. Research on Pin Feature Point Matching Algorithm Based on Characteristic Number Invariant ［J］. Semiconductor Optoelectronics， 2020，41（6）：865-869.
11	张士刚，刘颖，宋立军，等. 基于模型的系统级故障诊断与预测推理技术［J］. 国防科技， 2016，37（2）：9-13.
	ZHANG Shi-gang， LIU Ying， SONG Li-jun，et al. A Model Based System Level Fault Diagnosis and Prognosis Technology ［J］. National Defense Science & Technology， 2016，37（2）：9-13.
12	范跃华，刘白林，耿朝阳. 基指挥控制系统故障诊断专家系统的设计与实现［J］. 火力与指控控制， 2005，30（7）：61-64.
	FAN Yue-hua， LIU Bai-lin， GENG Chao-yang. Design and Implementation of Fault Diagnosis Expert System of Command and Control System ［J］. Fire Control & Command Control， 2005，30（7）：61-64.
13	王子玲，许爱强，杨智勇. 装备故障诊断和预测技术综述［J］. 火力与指控控制， 2008，33（增1）：8-10.
	WANG Zi-ling， XU Ai-qiang， YANG Zhi-yong. Survey of the Equipments Fault Diagnosis and Prognosis Techniques ［J］. Fire Control & Command Control， 2008，33（Sl）：8-10.
14	王红霞，叶晓慧，田树新. 复杂电子装备故障诊断建模方法研究［J］. 武汉理工大学学报， 2007，29（6）：62-64.
	WANG Hong-xia， YE Xiao-hui， TIAN Shu-xin. Modeling of Fault Diagnosis for Complex Electronic Equipments ［J］. Journal of Wuhan University of Technology， 2007，29（6）：62-64.
15	欧阳晓黎，张延生，杨军. 复杂电子装备智能故障诊断方法［J］. 河北科技大学学报， 2004，25（2）：43-48.
	OUYANG Xiao-li， ZHANG Yan-sheng， YANG Jun. The Intelligent Fault Diagnosis Methods for Complex Electronic Equipments ［J］. Journal of Hebei University of Science and Technology， 2004，25（2）：43-48.

故障产品	异常测试1	异常测试2	异常测试3	异常测试4	异常测试5
故障产品	（1∶0）	（1∶0）	（1∶0）	（1∶0）	（1∶0）
节点1	1				1
节点2		1	1		1
节点3			1	1	1
节点4				1
节点5				1

故障产品	异常测试1	异常测试2	异常测试3	异常测试4	异常测试5
故障产品	（1∶0）	（1∶0）	（1∶0）	（1∶0）	（1∶0）
节点1	1				1
节点2		1	1		1
节点3			1	1	1
节点4				1
节点5				1

序号	实际故障产品	正常测试	异常测试	诊断结果	结果说明
1	1	2，3，4	1，5	故障：1 怀疑：无正常：2-5
2	2	1，4	2，3，5	故障：2 怀疑：无正常：1，3-5
3	3	1，2	3，4，5	故障：3 怀疑：4，5 正常：1，2	有异常测试表明4，5可能会有故障，但无法将其排除
4	4	1，2，3，5	4	故障：无怀疑：4，5 正常：1，2，3	存在故障，但无法隔离
5	5	1，2，3，5	4	故障：无怀疑：4，5 正常：1，2，3	存在故障，但无法隔离
6	1，2	4	1，2，3，5	故障：1，2 怀疑：无正常：3，4，5
7	1，3	2	1，3，4，5	故障：1，3 怀疑：4，5 正常：2	有异常测试表明4，5可能会有故障，但无法排除
8	1，4	2，3	1，4，5	故障：1 怀疑：4，5 正常：2，3
9	1，5	2，3	1，4，5	故障：1 怀疑：4，5 正常：2，3
10	2，3	1	2-5	故障：2 怀疑：3，4，5 正常：1	有异常测试表明3，4，5可能会有故障，无法排除
11	2，4	1	2-5	故障：2 怀疑：3，4，5 正常：1	有异常测试表明3，4，5可能会有故障，无法排除
12	2，5	1	2-5	故障：2 怀疑：3，4，5 正常：1	有异常测试表明3，4，5可能会有故障，但无法排除
13	4，5	1，2，3，5	4	故障：无怀疑：4，5 正常：1，2，3	存在相同特征

序号	实际故障产品	正常测试	异常测试	诊断结果	结果说明
1	1	2，3，4	1，5	故障：1 怀疑：无正常：2-5
2	2	1，4	2，3，5	故障：2 怀疑：无正常：1，3-5
3	3	1，2	3，4，5	故障：3 怀疑：4，5 正常：1，2	有异常测试表明4，5可能会有故障，但无法将其排除
4	4	1，2，3，5	4	故障：无怀疑：4，5 正常：1，2，3	存在故障，但无法隔离
5	5	1，2，3，5	4	故障：无怀疑：4，5 正常：1，2，3	存在故障，但无法隔离
6	1，2	4	1，2，3，5	故障：1，2 怀疑：无正常：3，4，5
7	1，3	2	1，3，4，5	故障：1，3 怀疑：4，5 正常：2	有异常测试表明4，5可能会有故障，但无法排除
8	1，4	2，3	1，4，5	故障：1 怀疑：4，5 正常：2，3
9	1，5	2，3	1，4，5	故障：1 怀疑：4，5 正常：2，3
10	2，3	1	2-5	故障：2 怀疑：3，4，5 正常：1	有异常测试表明3，4，5可能会有故障，无法排除
11	2，4	1	2-5	故障：2 怀疑：3，4，5 正常：1	有异常测试表明3，4，5可能会有故障，无法排除
12	2，5	1	2-5	故障：2 怀疑：3，4，5 正常：1	有异常测试表明3，4，5可能会有故障，但无法排除
13	4，5	1，2，3，5	4	故障：无怀疑：4，5 正常：1，2，3	存在相同特征