Research on Missile Equipment Health Management System for After-Sales Support

doi:10.3969/j.issn.1009-086x.2023.01.010

Abstract

Abstract:

With the continuous improvement of war informatization， systematization and intelligence， the demand of military users for missile equipment support has changed from post maintenance and regular maintenance to condition-based maintenance and intelligent support， which puts forward higher requirements for missile equipment health management. Through the demand analysis of missile equipment health management system， this paper puts forward the overall system architecture for missile equipment support， the system physical architecture for complex application scenarios in military plants and the system technical architecture based on micro-service， and carries out the system function modules by using structural design method， describes the key technologies of the system， constructes and applies the first phase of the system for the pilot equipment. The application results show the feasibility of this study， which can provide reference for the health management of other types of equipment.

Key words: missile equipment, health management, prognostic and health management（PHM）, after-sales support, micro-services architecture

摘要：

随着战争向信息化、体系化、智能化方向发展，部队用户对导弹装备保障的需求从事后维修、定期维护向视情维修和智能保障转变，对导弹装备故障预测与健康管理提出了更高要求。通过开展导弹装备健康管理系统的需求分析，提出了面向导弹装备保障的系统总体架构、面向军厂复杂应用场景的系统物理架构和基于微服务的系统软件技术架构，采用结构化设计方法开展了系统功能模块结构设计，对系统关键技术进行了阐述和分析，并完成了面向试点型号的系统阶段性建设和应用。应用结果表明了本研究的可行性，可为其他型号装备的健康管理提供参考。

关键词: 导弹装备, 健康管理, 装备故障预测与健康管理, 售后保障, 微服务架构

CLC Number:

TJ760.7

Haijin HUANG, Han JI, Xiaojia LIU, Bo YANG, Ning WANG. Research on Missile Equipment Health Management System for After-Sales Support[J]. Modern Defense Technology, 2023, 51(1): 75-85.

黄海金, 季焓, 刘骁佳, 杨波, 王宁. 面向售后保障的导弹装备健康管理系统研究[J]. 现代防御技术, 2023, 51(1): 75-85.

Figures/Tables 11

Fig. 1 System architecture

Fig. 2 Physical architecture of system

Fig. 3 Technical architecture of system software

Fig. 4 System composition

Fig. 5 Equipment record data architecture

Fig. 6 Equipment record data architecture

Fig.7 Missile equipment fault prediction process

Fig. 8 Principles of missile equipment health assessment

Fig. 9 Fill in equipment resume data offline

Fig. 10 Equipment fault knowledge search

Fig. 11 Equipment health evaluation

References 21

1	冯玉光，徐望，顾钧元，等. 导弹装备健康管理及其关键技术研究［J］. 兵器装备工程学报， 2017， 38（1）：7-11.
	FENG Yuguang， XU Wang， GU Junyuan，et al. Study of Missile Equipment Health Management and Key Technology［J］.Journal of Ordnance Equipment Engineering，2017，38（1）：7-11.
2	王茜，李志强，张孝虎，等. PHM在空空导弹勤务保障中的应用［J］.火力与指挥控制， 2015， 40（5）： 21-24，28.
	WANG Qian， LI Zhiqiang， ZHANG Xiaohu，et al. Study on Application of PHM in Air-to-Air Missile Service Support［J］. Fire Control & Command Control， 2015， 40（5）： 21-24，28.
3	段飞飞，李红才. 武器装备故障预测与健康管理视情维修系统设计［J］. 质量与可靠性， 2020（6）：33-36.
	DUAN Feifei， LI Hongcai.Design of Weapon Equipment Failure Prediction and Health Management Condition-Based Maintenance Systems［J］. Quality and Reliability， 2020（6）：33-36.
4	年夫顺. 关于故障预测与健康管理技术的几点认识［J］. 仪器仪表学报，2018，39（8）：1-14.
	NIAN Fushun. Viewpoints about the Prognostic and Health Management［J］. Chinese Journal of Scientific Instrument，2018，39（8）：1-14.
5	李文俊，杨学强，杜家兴. 基于云计算的装备保障信息系统集成［J］.计算机集成制造系统， 2021， 27（7）：1941-1950.
	LI Wenjun， YANG Xueqiang， DU Jiaxing. Equipment Support Information System Integration Based on Cloud Computing［J］. Computer Integrated Manufacturing Systems，2021，27（7）：1941-1950.
6	邵世纲，邢冠楠，崔寅，等. 航天装备综合保障信息管理平台体系架构及工程研制实践［J］.导弹与航天运载技术， 2018（2）：24-30，54.
	SHAO Shigang， XING Guannan， CUI Yin，et al. Study on System Architecture and Engineering Development of Logistic Support Information Management Platform for Aerospace Equipment［J］. Missiles and Space Vehicles，2018（2）：24-30，54.
7	黄忠山，田凌. 智能装备故障预测与健康管理系统研究［J］.图学学报，2018，39（5）：855-861.
	HUANG Zhongshan， TIAN Ling. Research on Prognostics and Health Management System［J］. Journal of Graphics， 2018，39（5）：855-861.
8	徐达，周诚，关矗，等. 基于ARMA-BP组合模型的装备故障率预测方法［J］.火力与指挥控制，2021，46（1）：83-87.
	XU Da， ZHOU Cheng， GUAN Chu，et al. Research on the Equipment Failure Rate Prediction Method Based on ARMA-BP Combined Model［J］. Fire Control & Command Control，2021，46（1）：83-87.
9	吴冬寒. 某型雷达健康状态评估与寿命预测方法研究［D］.西安：西安电子科技大学，2020.
	WU Donghan. Method Study on Health Status Assessment and Lifetime Prediction for Radar［D］. Xi′an： Xidian University，2020.
10	李藕. 复杂装备健康管理与故障预测模型［D］.西安：西安工业大学，2021.
	LI Ou.Health Management and Fault Prediction Model for Complex Equipment［D］.Xi′an：Xi′an Technological University， 2021.
11	胡端，祝剑，杨杰. 潜艇故障预测与健康管理体系结构及关键技术研究［J］.武汉大学学报（工学版），2018，51（11）：1021-1025，1034.
	HU Duan， ZHU Jian， YANG Jie. Research on Structure and Key Technology of Submarine Prognostics and Health Management［J］.Engineering Journal of Wuhan University， 2018， 51（11）： 1021-1025，1034.
12	赵建忠，叶文，张磊. 基于数据融合和改进新陈代谢不等间距GM（1，1）模型的导弹装备故障预测［J］.兵工学报，2014，35（10）：1689-1695.
	ZHAO Jianzhong， YE Wen， ZHANG Lei. Failure Prediction of Missile Equipment Based on Data Fusion and AMUGM（1，1） Model［J］. Acta Armamentarii， 2014，35（10）：1689-1695.
13	夏勇，丁岐鹃，尤路. 基于大数据的雷达健康管理系统［J］.太赫兹科学与电子信息学报，2019，17（4）：686-690.
	XIA Yong， DING Qijuan， YOU Lu. Radar Prognostic and Health Management Technology Based on Big Data［J］.Journal of Terahertz Science and Electronic Information Technology， 2019， 17（4）： 686-690.
14	陈建平，张乐，陈敬贤，等. 基于虚拟现实技术的武器装备远程维修保障系统研究［J］.数字技术与应用，2020，38（3）：175-178，180.
	CHEN Jianping， ZHANG Le， CHEN Jingxian， et al. Research on Weapon Equipment Remote Maintenance Support System Based on Virtual Reality Technology［J］. Digital Technology &Application， 2020，38（3）：175-178，180.
15	刘家瑞，杨国田，王孝伟. 基于孪生深度神经网络的风电机组故障诊断方法［J］.系统仿真学报， 2022， 34（11）： 2348-2358.
	LIU Jiarui， YANG Guotian， WANG Xiaowei.A Wind Turbine Fault Diagnosis Method Based on Siamese Deep Neural Network［J］. Journal of System Simulation，2022，34（11）：2348-2358.
16	高浩寒，潮群，徐孜，等. 小样本下基于孪生神经网络的柱塞泵故障诊断［J］.北京航空航天大学学报， 2023， 49（1）： 155-164.
	GAO Haohan， CHAO Qun， XU Zi，et al. Piston Pump Fault Diagnosis Based on Siamese Neural Network With Small Samples［J］. Journal of Beijing University of Aeronautics and Astronautics， 2023， 49（1）： 155-164.
17	CHICCO D. Siamese Neural Networks： An Overview［J］. Artificial Neural Networks， 2021（2190）： 73-94.
18	LIU X， ZHOU Y， ZHAO J，et al. Siamese Convolutional Neural Networks for Remote Sensing Scene Classification［J］. IEEE Geoscience and Remote Sensing Letters， 2019， 69（9）： 6630-6639.
19	柴志君，欧阳中辉，岳炯. 一种改进的灰色BP神经网络预测模型［J］. 兵工自动化， 2020， 39（10）： 84-88，96.
	CHAI Zhijun， OUYANG Zhonghui， YUE Jiong. An Improved Prediction Model of Grey BP Neural Network［J］. Ordnance Industry Automation， 2020， 39（10）： 84-88，96.
20	黄魁，苏春. 基于灰色神经网络组合模型的故障预测［J］.系统工程与电子技术，2020，42（1）：238-244.
	HUANG Kui， SU Chun. Failure Prediction Based on Combined Model of Grey Neural Network［J］. Systems Engineering and Electronics，2020，42（1）：238-244.
21	中国人民解放军总装备部司令部. ，卫星在轨测控管理规程第12部分：健康状态评估［S］.北京：总装备部军标出版发行部， 2019.
	， Management Regulations for Satellite on Orbit Measurement and Control Part 12： Health Assessment ［S］.Beijing： PLA General Armament Department， 2019.

[1]	Weijun YU, Zhaohui SHI. Research on Rationality Evaluation of Anti-Missile Equipment Configuration [J]. Modern Defense Technology, 2023, 51(6): 18-25.
[2]	Yanjun QI, Yufeng WANG, Rui LI. Integrated Support Design Method of Weapons Based on Health Management [J]. Modern Defense Technology, 2023, 51(5): 104-109.
[3]	Dan-dan LIU, Yu-yan TANG, Yan-bin YUAN, Xiao-feng NI, Yun-jian JING. Design and Application of Health Management System for Missile Equipment [J]. Modern Defense Technology, 2022, 50(4): 140-147.
[4]	LIU Yan, CHEN Jiang-pan, LIU Yi, SUN Li-min, ZHANG Wei-wen, WANG Dong. The Present Situation and Suggestion of Missile Equipment Natural Environmental Test [J]. Modern Defense Technology, 2021, 49(4): 86-90.
[5]	XU Lin, ZHOU Yong, AN Wen-guo, WEI Wei. Research on Safety Monitoring and Training System of Large Aircraft [J]. Modern Defense Technology, 2020, 48(6): 74-80.
[6]	MA Yan-heng, ZONG Zi-jian, LIU Xin-hai. Cognitive Testability: New Development of Maintenance Support Theory [J]. Modern Defense Technology, 2018, 46(4): 127-132.