中国指挥与控制学会会刊 
随着智能化技术的快速发展,无人系统迅速应用到军事领域。无人鱼雷武器系统搭载于无人水面艇或无人潜航器,能够自主发射鱼雷武器,具备对敌潜艇直接打击能力,从而对敌潜艇具备很强的威慑作用。虽然目前报道的国外“海鸥”无人艇、国内“JARI-USV”等无人平台都实现了鱼雷武器自主发射,但大多无人鱼雷武器系统还处于科研试验阶段,具体服役还面临一系列问题,如技术、认知、安全等问题,其服役首先面临的问题就是武器使用安全性要求[1]。
鱼雷武器使用安全性问题的解决,首先在于能够实时获取系统状态,并依此制定武器使用及维护策略。随着科学技术的飞速发展,武器装备的集成度及智能化程度急剧增加,传统的故障诊断、维修保障技术逐渐难以适应新的要求。目前,预测与健康管理技术被越来越多地引入无人系统,能够依托系统的数据信息,借助于信息技术、人工智能推理算法来监控、管理与评估系统自身的健康状态,在系统发生故障之前对其故障进行预测,确定当前的健康状态并对其进行性能评估和故障预测,进而采取合理的维修保障措施 [2,3]。
虽然有人武器系统技术已经得到了成熟的发展,但无人鱼雷武器系统绝不是“无人平台+武器”这么简单[4]。当前,国内外无人鱼雷武器系统的设计还是以有人鱼雷武器系统为基础,在原有的发射原理基础上,通过提升设备智能化、优化发射流程等方式,实现鱼雷武器的自主发射。无人鱼雷武器系统健康评估的难点在于系统中可以利用的数据比较少,同时缺少合适的健康评估方法。在常规推理系统中,一个结论是由一定前提通过逻辑推理而得到的结果,但不适合不确定因素比较多的系统。模糊推理过程是近似推理的分支,从不准确的前提集合中得到可能的结论的推理过程。模糊推理用于无人鱼雷武器系统,能够利用各类有一定关联性的信息实现系统的健康评估。
本文从鱼雷武器发射角度,立足于现有装备发展水平,选取与鱼雷武器发射通道相关并可量化的特征参数,其中评估证据集的选取包含了具体模块特征参数以及系统综合指标参数,然后采用模糊推理方法,评估无人鱼雷武器发射通道的健康状态,从而指导整个系统的使用及维护,提升鱼雷武器使用的安全性和可靠性。
1 健康评估指标确定
本文对某无人鱼雷武器系统进行健康状态评估,该系统主要由智能控制设备、发射装置和鱼雷组成。为更好对该系统进行健康评估,作者构建无人鱼雷武器健康管理系统如图1 所示。该系统具备状态监测、故障诊断、健康评估、维修建议等功能。本文研究重点在于通过该系统自主监控数据,提取有用的特征参数,采用模糊推理逻辑评估其健康状况。
假设该系统有n个监测参数:
X=(x1,x2,…,xn)
则系统的健康度H可表示为
H=f(x1,x2,…,xn)
其中,系统健康度H取值范围:[0,1],H=1表示系统为100%健康状态,H=0表示系统为严重故障状态[8]。
为更好地评估系统状态,本文结合有人装备及无人武器特点,对无人鱼雷武器系统的健康状态划分为四档:健康、亚健康、故障临界和故障。
其中,健康定义为系统能正常工作,特征参数在设计指标范围内,无须特别关注;亚健康定义为系统能正常工作,特征参数在设计指标范围内,但临近边界,需加强关注;故障临界定义为特征参数超出了正常指标范围但在设计极限内,可作应急使用,建议立即检修;故障定义为影响系统正常工作,禁止使用,立即检修。通过对无人鱼雷武器系统的健康状态的分档,来辅助制定使用或维护策略。
系统健康状态与健康度关系如式(3)所示:
P =
其中,H1,H2和H3的初始值可结合有人系统工程经验暂定,后续结合实际应用不断优化。
2 建立模糊推理逻辑
作者从鱼雷武器发射通道组织的角度建立推理逻辑,主要包含证据集及隶属函数。
2.1 证据集
鱼雷武器发射通道组织过程包含决策、参数解算、参数装订、鱼雷控制等阶段,各阶段都可自主完成,牵扯信号主要包含模拟信号、网络信号和气压信号等。
构建的无人鱼雷武器健康管理系统可监测数据包含电压监测、气压监测和发控时间监测。其中,电压监测值和气压监测值是针对鱼雷发射所需的重要模块进行监测,其特征参数能够体现系统的状态;发控时间监测,能够体现系统各阶段运行状态,若系统某部件异常,必然会在各动作完成时间上有所体现。
选取的主要特征参数如下:
Z=(U,Q,T)
其中,U为电压监测值,Q为气压监测值,T为发控时间监测值。其中,电压监测值和气压监测值体现系统某个模块的特征参数;发控时间监测值,是系统综合性能参数,是系统决策、通信、控制等在某一阶段综合体现。
以上的证据集划分比较粗糙,不能系统地反馈各种因素对系统健康状态评估的影响。将上述证据集分解为二阶证据集,最后得到系统健康评估的证据集如图2 所示。
由证据集划分结果得到相应的证据向量表示如下:
U=[U1,U2,…,Un]
Q=[Q1]
T=[T1,T2,…,Tm]
电压监测值U可细化为鱼雷武器发射通道组织过程中各输出电压Ui(i=1,2,…,n),例如各设备供电电压、鱼雷供电电压、发射装置控制电压、鱼雷控制电压等,各输出电压状态直接影响武器发射成功与否。
气压监测值Q,高压空气实时监测至关重要,气压状态会影响鱼雷发射是否成功,通过气压监测可以反映发射气压模块健康状态。
发控时间监测值T,可细化为鱼雷武器发射通道组织中发控各个阶段完成时间Ti(i=1,2,…,m),例如鱼雷自检时间、发射准备时间、出管时间等,通过各阶段时间监测能够体现武器发控过程中的综合状态。
2.2 建立证据权重矩阵
第一层证据的权重为
W=[u,q,t]
其中,
u+q+t=1
第二层证据的权重为
wu=[w11,w12,…,w1n]
wq=[w21]
wt=[w31,w32,…,w3m]
其中, wij=1,j=1,2,…,m或n。
2.3 单个特征参数预处理及分析
1)电压监测值U
本文选取武器发射通道组织过程中各类输出电压Ui(i=1,2,…,n)作为监测特征参数,其电压输出值的状态直接影响设备及武器的供电、控制等功能。电压监测值U的状态变化,能够反映其健康状态。
电压监测值U的健康状态评估规则如下:假定系统论证中,为保证某一功能的实现,电压输出范围的论证指标为 ,即在该电压范围内系统能正常运行,该范围包含健康、亚健康和故障临界状态,超出此范围系统无法正常工作即为故障状态。在系统设计中,Ui电压输出范围的设计指标为 ,该电压范围小于论证指标,包含了健康和亚健康状态;在系统正常运行时,为保证系统更好运行,相应电压模块的输出电压浮动范围更小,为 ,定义该范围为健康状态,当Ui输出电压超出此范围并在设计指标范围内,即为亚健康状态。
电压监测值Ui(i=1,2,…,n)的健康评估状态分档如下:
=
对电压监测值Ui(i=1,2,…,n)归一化处理如下:
=
其中,Ui3< <Ui6<Ui2<Ui4,i=1,2,…,n, 为设计指标中心值。
2)气压监测值Q
在无人鱼雷武器系统中,实时气压监测值与初始气压与时间有很大关系,根据实时的气压监测值很难评估其健康状态,本文中将气压监测值转换为气密性参数Qm,即系统一段时间内的保压能力,以此评估健康状态。
Qm=f(Q0,Q,t)
其中,Q0为系统初始气压值,Q为实时气压监测值,t为时间。
气压监测值Q的健康状态评估规则如下:假定系统论证中,为保证在一定时间内武器发射需要,其系统气密性指标应不大于ZQ1,即在该范围内气压能保证系统正常发射,范围包含健康、亚健康和故障临界状态,超出此范围即为故障状态。在系统设计中,系统气密性参数Qm的设计指标范围不大于ZQ,该范围小于论证指标,该范围包含了健康和亚健康状态;在系统正常运行时,对系统真实气密性进行验证,统计结果为不大于ZQ2,定义该范围为健康状态,超出此范围并在设计指标范围内,即为亚健康状态。
气压监测值Q的健康评估状态分档如下:
PQ=
对气压监测值Q归一化处理如下:
xQ=
其中,ZQ2<ZQ<ZQ1。
3)发控时间监测值T
本文选取武器发射通道组织中发控各阶段完成时间Ti(i=1,2,…,m)作为监测特征参数,无人系统具备决策、控制自主运行的特征,时间指标为其重要指标。系统各阶段完成所需时间与系统内通信、控制电路、执行模块等状态有关,例如系统中通信网络不稳定、控制电压不足、机械老化等都可能导致时间增长,能间接反映系统的健康状态。
发控时间监测值T的健康状态评估规则如下:假定系统设计中,不考虑异常情况,各阶段发控完成时间指标为不大于Tdi,该范围包含健康和亚健康状态;在系统正常运行时,对系统发控时间监测值T进行验证,统计结果为不大于Tdi2,定义为健康状态,其中Tdi2<Tdi。考虑异常情况下,各阶段发控完成时间指标为不大于Tdi1,例如时间可选取为正常时间2倍,超出此时间即为故障。
发控时间监测值Ti(i=1,2,…,m)的健康评估状态分档如下:
=
对发控时间监测值Ti(i=1,2,…,m)归一化处理如下:
=
其中Tdi2<Tdi<Tdi1,i=1,2,,…,m。
4)单个特征参数的状态评估
为更好评估系统健康状态,先对单个特征参数进行健康状态评估,以电压监测值Ui状态评估为例。
假定,系统单次任务期间得到1个状态评估值 ,采信最近l次的评估结果,采用加权方式,得到单个参数状态评估为
PU=
其中,i=1,2,…,l,i=l表示最近一次评估结果,其历史数据距统计时间越长所占权重越小。
2.4 系统健康度
对实时监测的证据集进行预处理得到
XZ=(XU,XQ,XT)
系统的健康度为
H=XZ·W=[u,q,t]
3 仿真验证
本文利用模糊推理逻辑方法对某系统进行仿真验证,选取证据集包含电压监测值U、气压监测值Q和发控时间监测值T。其中电压监测值U细化为电压监测值U1、电压监测值U2和电压监测值U3,能够反映系统供电、武器供电、发射控制等状态;发控时间监测值T,细化为系统自检时间T1、发射准备时间T2和鱼雷出管时间T3,能够反馈无人鱼雷发射过程中各阶段综合完成情况。
以电压监测值U1为例,假定系统设计中:电压指标范围为5(1±10%)V,正常工作范围为5(1±15%)V,定义亚健康状态为指标范围边缘的30%。
U1的健康状态分档如下:
=
对电压监测值U1归一化处理如下:
=
在对单个特征参数的状态评估中,采信最近5次的监测结果,采用加权方式,得到每个参数健康状态评估。
系统健康度评估中,各证据集的权重初始值假定为:
wu=[0.1,0.1,0.1];
wq=[0.25] ;
wt=[0.15,0.15,…,0.15]。
系统健康状态评估,假定健康状态初始划分如表1 所示,后期根据实际情况不断优化。
表1 系统健康状态划分 |
| 状态 | 健康 | 亚健康 | 故障临界 | 故障 |
|---|---|---|---|---|
| 健康度 | 0.9~1.0 | 0.6~0.9 | 0.45~0.6 | 0~0.45 |
4 结束语
无人系统的健康评估,对武器安全性使用至关重要。本文针对某无人鱼雷武器系统,通过自主监测可量化的特征参数,然后采用模糊推理模式,评估武器发射通道的健康度,此方法能在一定程度上体现无人鱼雷武器系统的健康状态。
为更好地评估无人鱼雷武器系统的健康状态,后续还需要尽可能纳入更多参数,并借助工程数据进一步优化推理参数。