黃　鶴，陳文豪，張　弋

（中國西南電子技術研究所，成都　610036）

機載航電系統(tǒng)射頻信道健康表征及影響評估?

黃鶴??，陳文豪，張弋

（中國西南電子技術研究所，成都610036）

提出了基于失效模式影響及危害性分析（FMECA）、故障樹分析（FTA）和歷史案例的健康表征參數(shù)選取原則和方法，探討了基于隱馬爾可夫模型（HMM）和貝葉斯的健康表征方法及其應用。結(jié)合機載航電系統(tǒng)綜合化射頻信道架構(gòu)，通過建立的模型對射頻信道的健康影響進行了初步分析，得到了射頻信道健康表征的優(yōu)先參量?；谏漕l信道的健康表征參量和影響評估方法的研究對促進開展先進戰(zhàn)斗機健康管理技術研究具有重要意義。

先進戰(zhàn)斗機；航空電子系統(tǒng)；射頻信道；健康管理；表征參數(shù)

1　引言

航電系統(tǒng)是戰(zhàn)斗機的一個重要組成部分，現(xiàn)代戰(zhàn)斗機的作戰(zhàn)性能很大程度上與航空電子系統(tǒng)密切相關。近年來，隨著航電系統(tǒng)的復雜度、功能和性能的提高，對其任務完成率和戰(zhàn)備完好性要求也逐步增加，因此航電系統(tǒng)的自主保障維護需求也日益凸顯，而健康管理技術是其自主保障維護的基礎［1-5］。通過航電系統(tǒng)健康管理能夠進一步提高系統(tǒng)的自主維護、保障決策和任務完成能力。

國外先進戰(zhàn)斗機已經(jīng)實現(xiàn)了航電系統(tǒng)的自主保障與維護，健康管理技術也已經(jīng)在美軍先進聯(lián)合攻擊戰(zhàn)斗機中得到了驗證和應用，通過該技術的應用進一步提升了維護和保障性能［6-9］。國內(nèi)戰(zhàn)斗機航電系統(tǒng)健康管理技術與國外相比存在巨大差距，對健康管理技術的研究還處在起步階段，缺乏對航電系統(tǒng)健康表征方法、健康影響評估分析、健康管理系統(tǒng)設計以及相關驗證與應用技術的研究。本文以航電系統(tǒng)中典型的射頻信道為對象，研究健康表征和影響評估等方法，為實現(xiàn)飛機航電系統(tǒng)的健康管理奠定基礎。

射頻信道的健康狀況是指射頻信道完成信號收發(fā)、通道切換、變頻處理和預處理等所有功能的能力。完好的射頻信道能夠完成任務系統(tǒng)下達的所有既定功能，并滿足各項戰(zhàn)術指標要求，具有完整的系統(tǒng)功能。其次，完好的射頻信道還具時間持續(xù)性，即在整個任務周期內(nèi)能夠完成各作戰(zhàn)階段的任務要求，能夠持續(xù)工作。由于戰(zhàn)斗機執(zhí)行的任務的環(huán)境具有情況變化大、機動性能高和任務突發(fā)等特點，其航電系統(tǒng)可能經(jīng)受高海拔高溫差、高電磁干擾和強振動等因素的影響，完好的射頻信道需要在上述環(huán)境條件下正常工作，且滿足各項性能指標要求。

射頻信道的健康表征是指通過對射頻信道實時參數(shù)、歷史數(shù)據(jù)、調(diào)試及實驗過程等各個階段收集的數(shù)據(jù)進行轉(zhuǎn)化、融合和推理對射頻信道的功能能力進行評估的方法。射頻信道健康表征的基本原則是表征參量和方法能夠準確、有效和全面的表征系統(tǒng)完成任務的能力，主要可從功能完整性、時間持續(xù)性和環(huán)境適應性的反映三個方面進行評價。

2　表征參數(shù)選取

典型射頻信道具有多參量、多類型等特點，因此，對射頻信道的健康表征研究首先需要確定和分析表征參數(shù)集范圍，優(yōu)化選擇靈敏表征參量，研究表征參數(shù)選取原則和方法；其次，根據(jù)優(yōu)化的表征參量列表，以及參量在系統(tǒng)功能和性能方面的重要性影響，對表征參量的重要性或敏感性進行研究。

2.1基于FMECA的選取方法

失效模式影響及危害性分析（FMECA）是系統(tǒng)可靠性分析的一個重要工作，也是開展維修性、安全性、測試性和保障性分析的基礎［10］。通過對系統(tǒng)在壽命周期各階段的FMECA分析，能夠從不同角度發(fā)現(xiàn)系統(tǒng)存在的各種缺陷和薄弱環(huán)節(jié)。同時，通過對這些薄弱環(huán)節(jié)的確定也可以更具針對性地選取相關檢測參數(shù)，作為系統(tǒng)健康評估的依據(jù)。

射頻信道FMECA分析的主要信息來源是技術規(guī)范與研制方案中產(chǎn)品性能、環(huán)境條件、結(jié)構(gòu)組成要求，以及可靠性設計分析及試驗階段中的實驗數(shù)據(jù)和使用維修中獲取的故障模式、故障原理、故障機理、故障頻度以及影響等。通過對各模塊主要的故障模式和機理分析能夠進一步確定相關健康的表征參量。

2.2基于FTA的選取方法

故障樹分析（FTA）又稱失效樹分析，是一種對復雜性系統(tǒng)進行可靠性、安全性分析的方法。通過采用圖形演繹，對可能造成功能故障的模塊硬件、環(huán)境或人為因素進行分析，把系統(tǒng)故障與導致該故障的各種因素形象地繪成故障圖表，直觀地反映故障、元部件、系統(tǒng)及因素、原因之間的相互關系，通過對系統(tǒng)故障的各種直接和間接原因（事件）分析，把系統(tǒng)失效的各種因素與監(jiān)測的表征參量聯(lián)系起來。在系統(tǒng)使用階段，通過分析參量變化情況與故障樹分析結(jié)果的邏輯對應關系，可以幫助進行故障表征參數(shù)的優(yōu)化選擇和對系統(tǒng)的失效診斷，為預測和評估系統(tǒng)的可靠性提供有益的數(shù)據(jù)。

FTA還可以與FMECA相結(jié)合，對系統(tǒng)進行更深入的分析。通過故障樹分析定位故障模塊，同時可以對定位到模塊的故障率進行計算分析，在此基礎上可選取有效的健康表征參數(shù)。

2.3基于歷史案例的選取方法

歷史案例方法通過對系統(tǒng)歷史實驗數(shù)據(jù)、日常使用和維修維護數(shù)據(jù)的收集與積累，進行基于案例的失效統(tǒng)計分析，確定相關關鍵易損組部件和對應的表征參量。

第一步：關鍵元件的識別

根據(jù)歷史案例和經(jīng)驗，基于高失效率的失效率分析表可應用于關鍵元件的識別，該表會列出各個器件的失效概率，以劃分器件的失效率等級。在大多數(shù)情況下，基于歷史數(shù)據(jù)就可以識別關鍵元件。同時，也可在應力環(huán)境下根據(jù)加速壽命試驗的結(jié)果進行識別。

第二步：失效模式和機理分析

導致故障的關鍵元件通常位于最底層，一個元件的失效可能導致整個系統(tǒng)的功能故障。FMECA是在第一步識別關鍵元件的基礎上分析識別潛在的失效模式，確定它們在系統(tǒng)運行中的作用。根據(jù)故障的模式、故障影響、嚴酷度和檢測方法等分析，找出高概率的故障模式和原因，從而定位監(jiān)測模塊和對應表征參數(shù)。通過失效模式與機理的分析可進一步研究射頻信道各模塊的關鍵元件參量與失效原因之間的關系。

第三步：主要失效模式確定

根據(jù)可靠性數(shù)據(jù)，可以進一步深入研究各失效模式在總失效中所占的比例，對模塊失效率進行初步排序。分析系統(tǒng)失效對任務完成率或功能性能的影響，結(jié)合失效率數(shù)據(jù)確定系統(tǒng)各模塊的主要失效模式和重要性，分析各模塊的故障敏感參數(shù)，分析參數(shù)漂移對系統(tǒng)的影響，確定出對退化敏感的電路特性。通過對模塊歷史數(shù)據(jù)的分析，確定關鍵參數(shù)退化對系統(tǒng)健康的敏感程度。

3　表征參量的健康影響評估方法

射頻信道主要是由大量的射頻模擬電路和數(shù)字電路混合構(gòu)成，基于表征參數(shù)的健康評估是一個十分復雜的問題，尤其是射頻信道電路各模塊狀態(tài)參數(shù)的監(jiān)測更是一個難題。另外，射頻信道各功能模塊電路中還存在大量的反饋回路和各元件的正常容差范圍，這都大大增加了參數(shù)監(jiān)測與健康評估的難度。但隨著未來對先進戰(zhàn)斗機綜合性能要求的日益提高，射頻信道的數(shù)?；旌想娐坊蛏漕l模擬電路的診斷評估研究也顯得日益迫切和重要。

3.1基于隱馬爾科夫模型（HMM）的射頻信道健康表征應用

采用HMM實現(xiàn)對射頻系統(tǒng)基于表征參數(shù)的健康評估，HMM的健康評估過程如圖1所示。

圖1　基于HMM的健康評估系統(tǒng)框圖Fig.1　The structure of HMM-based health evaluation system

在進行HMM的健康評估前，先定義KL（Kullback-Leibler）距離：設p是問題域U上的一個概率密度函數(shù)，另一個概率密度函數(shù)為q，q是p的近似，則q和p之間的距離定義為

KL距離的大小表示p和q之間的接近程度，若KL距離越小，表示p越近似于q，當且僅當p＝q時，KL距離為0，即當被測參數(shù)越接近于正常狀態(tài)時KL距離值越小，反之KL距離值越大［11-12］。

射頻信道的HMM健康評估即是通過表征參量的計算分析KL距離的一個過程。評估分析首先對組成各功能模塊進行劃分并對其進行建模與仿真，對模塊參數(shù)的容差范圍進行分析。健康評估前需要訓練一個HMM來代表正常狀態(tài)，其余各中間狀態(tài)所對應的觀測序列送入模型，由此計算出似然概率并獲得相應的KL距離值，把微弱變化的早期故障過程轉(zhuǎn)換為明顯變化的KL距離來反映系統(tǒng)偏離正常態(tài)的程度，并與給定的閾值比較，從而估計系統(tǒng)的健康狀況。

3.1.1參數(shù)特征提取

在模塊尚未完全失效的情況下對射頻信道的狀態(tài)監(jiān)測并對特征參數(shù)值的提取是基于HMM評估的關鍵。由敏感性原則選取表征參量，通過建立的模型研究所選表征參量對射頻信道性能參數(shù)的影響變化，例如，開關矩陣導通阻抗對信號的影響、變頻模塊參數(shù)漂移對信號頻率變化的影響等。通過影響分析可選定相關參數(shù)進行健康評估，其具體思路如下：

（1）設選定參數(shù)為某一模塊的電學參量v1，且其正常容差為±1％；

（2）當v1∈［0.99Xn～1.01Xn］，Xn為其標稱值，v1在正常的容差變化范圍內(nèi)，健康指數(shù)為1；

（3）當v1∈［1.011Xn～1.015Xn］，v1值出現(xiàn)微弱偏離，健康指數(shù)為0.9；

（4）當v1∈［1.016Xn～1.02Xn］，v1值逐漸偏離正常態(tài)，健康指數(shù)為0.8；

（5）以此類推，當v1∈［1.056Xn～1.06Xn］，v1值極大偏離正常值，系統(tǒng)完全故障，健康指數(shù)為0。

狀態(tài)監(jiān)測就是依據(jù)射頻信道各模塊的健康指數(shù)，根據(jù)實際需要決定其替換與否。狀態(tài)監(jiān)測與健康評估就是對表征參數(shù)在整個范圍內(nèi)（如v1∈［1.011Xn～1.06Xn］）的變化進行研究，計算模塊參數(shù)在各范圍內(nèi)所對應的KL距離，從而給出電路健康狀況的準確估計。

3.1.2表征參數(shù)監(jiān)測與健康評估設計

電路的早期故障可能會導致表征參數(shù)的微弱變化，直接根據(jù)此參數(shù)的變化很難估計系統(tǒng)的健康狀況，并且僅用一次的狀態(tài)觀測值來估計電路的健康狀況也是不準確的，故選擇處理后的L個特征向量構(gòu)成一組觀測序列。利用正常時的特征來訓練HMM并利用該模型對電路未知狀態(tài)進行健康估計，將計算出的KL距離與閾值比較，以此判斷射頻信道偏離正常態(tài)的程度。

參數(shù)監(jiān)測與健康評估的過程如下：在已知射頻信道輸入的情況下，將該電路系統(tǒng)工作在各種狀態(tài)下的歷史數(shù)據(jù)（可通過仿真、實驗、外場等方式獲?。┙?jīng)線性辨別分析（LDA）映射，并保留其中的降維映射矩陣，選擇其中正常態(tài)的降維特征構(gòu)造成觀測序列來訓練HMM并獲得P（Onormal｜λ）。采樣工作在相同輸入情況下的同類射頻系統(tǒng)的當前狀態(tài)特征經(jīng)降維映射矩陣映射后，輸入已訓練的HMM得到對應的P（Ounknown｜λ），由［P（Ounknown｜λ），P（Onormal｜λ）］就可計算出KL距離，根據(jù)其值大小就可估計當前射頻信道統(tǒng)偏離正常態(tài)的程度：若KL很小說明系統(tǒng)狀態(tài)越接近正常，隨著KL的增大表明射頻系統(tǒng)的健康逐漸惡化，若KL大于預定閾值則電路功能已完全失效，從而實現(xiàn)對射頻系統(tǒng)的參數(shù)監(jiān)測與健康評估。閾值依實際情況選取，若對電路系統(tǒng)性能要求越高則閾值就越小。

參數(shù)訓練過程與健康監(jiān)測評估流程如圖2和圖3所示。

圖3　參數(shù)監(jiān)測與健康評估過程Fig.3　Parameters monitor and health evaluation process

3.2基于貝葉斯網(wǎng)絡的射頻信道故障建模與健康評估

3.2.1貝葉斯網(wǎng)絡故障建模

貝葉斯網(wǎng)絡的結(jié)構(gòu)學習過程即屬于故障建模過程，用于健康評估的貝葉斯網(wǎng)絡各節(jié)點有明確的含義，它通常包含兩類節(jié)點：具體故障節(jié)點和故障征兆節(jié)點。節(jié)點間的有向連接弧表示故障類型和征兆之間的因果關系，是故障診斷的定性描述。每個節(jié)點的參數(shù)值表示給定父節(jié)點狀態(tài)時的該節(jié)點的條件概率，表征了故障類型與故障征兆之間的概率依賴關系，是故障診斷的定量描述。貝葉斯網(wǎng)絡的圖形化結(jié)構(gòu)更加清晰地得知專家對系統(tǒng)故障狀態(tài)的認知。設F表示整個故障集，則F＝｛F1，F(xiàn)2，…，F(xiàn)m｝，m為故障樣本集中的故障類型數(shù)。對于每類故障的數(shù)據(jù)，通過各測點數(shù)據(jù)并通過適當?shù)奶卣魈崛?，從而組成故障征兆樣本集。設T表示整個故障征兆樣本集，則T＝｛t1，t2，…，tn｝，n為故障征兆樣本集中元素的個數(shù)。由F和T就可以建立貝葉斯網(wǎng)絡診斷模型［13-15］。

以典型射頻信道為例簡單介紹貝葉斯網(wǎng)絡診斷模型的建模過程。射頻信道由天線接口單元、開關矩陣模塊、變頻模塊、預處理模塊和電源模塊組成，每個模塊假設設置一個測點且測試相關表征參數(shù)t1，t2，t3，t4，t5，可以獲得其因果關系，見圖5。

圖4　射頻信道因果關系圖Fig.4　The relation of each module in RF channel

該電路故障集F＝｛電源模塊，天線接口單元，開關矩陣模塊，變頻模塊，預處理模塊｝，其故障征兆樣本集T＝｛t1，t2，t3，t4，t5｝，其值設為正常、中等偏離及較大偏離4類。由圖4建立起射頻系統(tǒng)的貝葉斯網(wǎng)絡模型的結(jié)構(gòu)如圖5所示，電源模塊與節(jié)點參數(shù)t1之間的有向弧表示電源模塊一旦出現(xiàn)故障則會導致節(jié)點參數(shù)t1（故障征兆）的變化，其余有向弧含義類似。從該圖可知任意子模塊的故障均會導致射頻信道的故障。只要獲得5個測點的參數(shù)值，經(jīng)貝葉斯網(wǎng)絡推理即可推知故障模塊的類型。整個射頻系統(tǒng)由于各子模塊和測點較多，故障類型與故障征兆之間關系錯綜復雜，依專家經(jīng)驗很難建立準確的貝葉斯網(wǎng)絡診斷模型的結(jié)構(gòu)，因此實際應用中需要利用各節(jié)點的實測數(shù)據(jù)，通過結(jié)構(gòu)學習算法與專家經(jīng)驗相結(jié)合來獲取網(wǎng)絡結(jié)構(gòu)。

圖5　射頻信道貝葉斯網(wǎng)絡模型Fig.5　Bayes net model of RF channel

3.2.2貝葉斯網(wǎng)絡的診斷步驟

射頻信道基于貝葉斯網(wǎng)絡的健康評估同樣首先要獲取射頻信道正常態(tài)時的運行數(shù)據(jù)，更要有其出現(xiàn)早期故障時的數(shù)據(jù)，并應該已知故障類別。這樣，由已知故障類別、故障發(fā)生時的運行參數(shù)、歷史記錄組成的數(shù)據(jù)庫便構(gòu)成訓練、學習樣本庫。數(shù)據(jù)挖掘的任務就是從這些海量的雜亂無章的樣本庫中找出隱藏在其中的內(nèi)在規(guī)律，提取出不同故障的各自特征，挖掘出有價值的信息，應用于健康評估。

通過確定網(wǎng)絡結(jié)構(gòu)，各故障樣本集和各征兆樣本集，初始化網(wǎng)絡參數(shù)，給出各故障發(fā)生的先驗概率，進行網(wǎng)絡的推理、運算，最終得到射頻信道發(fā)生各種故障的可能性大小，進而對系統(tǒng)健康狀態(tài)進行評估，具體步驟設計如下：

（1）依據(jù)電子系統(tǒng)的歷史記錄數(shù)據(jù)，區(qū)分開正常態(tài)和異常態(tài)的運行數(shù)據(jù)。對異常態(tài)數(shù)據(jù)又分為不同故障類型的數(shù)據(jù)，根據(jù)系統(tǒng)運行的歷史記錄，記下各故障類型；

（2）故障樣本集和故障征兆樣本集組成用于網(wǎng)絡模型學習的故障樣本庫。對于具有完整數(shù)據(jù)的故障樣本數(shù)據(jù)庫，貝葉斯網(wǎng)絡采用最大后驗估計方法來更新貝葉斯網(wǎng)絡的各故障征兆節(jié)點變量的條件概率值；對于具有丟失數(shù)據(jù)的故障樣本庫，貝葉斯網(wǎng)絡采用其他相關算法來更新貝葉斯網(wǎng)絡的各故障征兆節(jié)點變量的條件概率值。增加學習樣本的數(shù)量，會使各故障征兆節(jié)點變量的條件概率值更合理；

（3）采集射頻信道當前運行的數(shù)據(jù)并適當?shù)奶卣魈崛?，獲得一個測試樣本；

（4）根據(jù)各故障征兆節(jié)點所對應變量的取值規(guī)則，就可得到符合各故障征兆節(jié)點所對應變量的取值要求的數(shù)據(jù)，并輸入系統(tǒng)處理，貝葉斯網(wǎng)絡就會采取一定的推論法則，計算出射頻信道發(fā)生各類故障的可能性大小，進而對健康狀態(tài)進行評估。

5　典型射頻系統(tǒng)健康表征影響分析

對射頻信道的健康表征影響分析采用的技術方案如圖6所示。

圖6　射頻信道的健康表征影響分析方案Fig.6　The scheme of RF channel health analysis

通過對典型射頻信道失效模式的分析可以得到主要模塊的失效影響、失效形式表征，以及能夠反映系統(tǒng)故障狀況的健康表征參數(shù)。射頻信道各模塊參數(shù)類型和數(shù)量較多，在實際的表征應用中需要按照表征參數(shù)優(yōu)化選取原則和方法進行優(yōu)選。通過參數(shù)的篩選和添加形成最終的優(yōu)化表征參數(shù)。

射頻信道故障模式確定方法主要采用FMECA和歷史案例方法，同時輔助結(jié)合FTA以及專家意見確定各模塊功能的主要失效模式?；趨?shù)的選取原則和重要度對表征參量進行優(yōu)化選擇，經(jīng)過對上述參數(shù)的初步優(yōu)選到的典型射頻健康表征主要參數(shù)如表1所示。

表1　射頻信道模塊初步優(yōu)選表征參數(shù)Table 1　Selected characterization parameters of RF channel

系統(tǒng)健康狀態(tài)的評估方法采用前面敘述的HMM和貝葉斯網(wǎng)絡方法，同時根據(jù)實際系統(tǒng)分析、實驗或驗證效果再優(yōu)選或研究可行的健康評估理論原理。根據(jù)健康評估輸入要求，對系統(tǒng)狀態(tài)的表征參量進行定義，最終依據(jù)實際表征參量的測試完成系統(tǒng)健康狀態(tài)的評估。

5　結(jié)束語

本文主要針對戰(zhàn)斗機航電系統(tǒng)典型射頻信道健康表征等基礎性問題進行探討，研究了典型射頻信道用于健康表征的參量選取方法和步驟。同時，對基于HMM和貝葉斯網(wǎng)絡的射頻信道健康表征算法方法進行了理論研究。通過表征參量選取和健康評估研究得到了射頻信道的初步優(yōu)選表征參量，為深入研究電子系統(tǒng)表征參數(shù)的特征提取、健康狀態(tài)評估、性能趨勢預測和系統(tǒng)重構(gòu)方法奠定基礎。典型射頻信道健康表征參量和影響評估方法的研究對促進開展先進戰(zhàn)斗機故障預測與健康管理技術研究具有重要意義，其有助于在航空電子系統(tǒng)縮短與軍事強國間的差距，提高戰(zhàn)斗機的任務完成率和戰(zhàn)備完好性，增強戰(zhàn)斗機航電系統(tǒng)的后勤保障和維護能力。

［1］郭陽明，蔡小斌，張寶珍，等.故障預測與健康管理技術綜述［J］.計算機測量與控制，2008，16（9）：1213-1219. GUO Yang-ming，CAI Xiao-bin，ZHANG Bao-zhen，et al. Review of Prognostics and Health Management Technology［J］.Computer Measurement＆Control，2008，16（9）：1213-1219.（in Chinese）

［2］曾聲奎，Pecht M G，吳際.故障預測與健康管理（PHM）技術的現(xiàn)狀與發(fā)展［J］.航空學報，2005，26（5）：627-632. ZENG Sheng-kui，Pecht M G，WU Ji.Status and Perspectives of Prognostic and Health Management Technologies［J］. Acta Aeronautica Et Astronautica Sinica，2005，26（5）：627-632.（in Chinese）

［3］張嘉鐘，張利國.航空設備故障預測與健康管理設備［J］.航空制造技術，2008，33（2）：40-43. ZHANG Jia-zhong，ZHANG Li-guo.Aviation Equipment Faults Prognostic and Health Management Equipment［J］. Aeronautical Manufacturing Technology，2008，33（2）：40-43.（in Chinese）

［4］孫博，康銳，謝勁松.故障預測與健康管理系統(tǒng)研究和應用現(xiàn)狀綜述［J］.系統(tǒng)工程與電子技術，2007，29（10）：1762-1767. SUN Bo，KANG Rui，XIE Jin-song.Research and application of the prognostic and health management system［J］.System Engineering and Electronics，2007，29（10）：1762-1767.（in Chinese）

［5］梁旭，李行善，張磊，等.支持視情維修的故障預測技術研究［J］.測控技術，2007，26（6）：5-8. LIANG Xu，LI Xing-shan，ZHANG Lei，et al.Survey of Fault Prognostics Supporting Condition Based Maintenance［J］.Measurement＆Control Technology，2007，26（6）：5-8.（in Chinese）

［6］Hess A，F(xiàn)ila L.The joint strike fighter（JSF）PHM concept：potential impact on aging aircraft problems［C］//Proceedings of 2002 IEEE Aerospace Conference.Big Sky，MT：IEEE，2002：3021-3026.

［7］張秋菊，張冬梅.電子系統(tǒng)故障預測與健康管理技術研究［J］.光電技術應用，2012，27（1）：19-24. ZHANG Qiu-ju，ZHANG Dong-mei.Study on Prognostic and Health Management of Electronic System［J］.Electro-Optic Technology Application，2012，27（1）：19-24.（in Chinese）

［8］Biagetti T，Sciubba E.Automatic diagnostics and prognostics of energy conversion processes via knowledge-based systems［J］.Energy 2004，29（12）：2553-2572.

［9］Ponci F，Cristaldi L，F(xiàn)aifer M，et al.Innovative approach to early fault detection for induction motors［C］//Proceedings of 2007 IEEE International Symposium on Diagnostics for Electric Machines，Power Electronics and Drives.Cracow：IEEE，2007：283-288.

［10］石君友，紀超.擴展FMECA方法應用研究［J］.測控技術，2011，30（5）：110-114. SHI Jun-you，JI Chao.Study on Enhanced FMECA Method Application［J］.Test and Control Technology，2011，30（5）：110-114.（in Chinese）

［11］錢彥嶺.測試性建模技術及其應用研究［D］.長沙：國防科技大學，2002：2-13. QIAN Yan-ling.Testability Modeling Technology and Its Application Research［D］.Changsha：National University of Defense Techonology，2002：2-13.（in Chinese）

［12］許麗佳，龍兵，王厚軍.混合訓練的DHMM及其在發(fā)射機狀態(tài)檢測中的應用［J］.電子與信息學報，2008，30（7）：1661-1665. XU Li-jia，LONG Bing，WANG Hou-jun.Hybrid Training DHMM and Its Application to Check Transmitter Power［J］. Journal of Electronics＆Information Technology，2008，30（7）：1661-1665.（in Chinese）

［13］周韶園.基于HMM的統(tǒng)計過程監(jiān)控研究［D］.杭州：浙江大學，2005：14-16. ZHOU Shao-yuan.Statistical Process Monitoring Via Hidden Markov Model［D］.Hangzhou：Zhejiang University，2005：14-16.（in Chinese）

［14］慕春棣，戴劍彬，葉俊.用于數(shù)據(jù)挖掘的貝葉斯網(wǎng)絡［J］.軟件學報，2000，11（5）：660-666. MU Chun-di，DAI Jian-bin，YE Jun.Bayesian Network for Data Mining［J］.Journal of Software，2000，11（5）：660-666.（in Chinese）

［15］許麗佳，王厚軍，龍兵.貝葉斯網(wǎng)絡在電子系統(tǒng)故障診斷中的應用研究［J］.計算機工程與應用，2009，45（8）：194-197. XU Li-jia，WANG Hou-jun，LONG Bing.Study on fault diagnosis of electronic system using Bayesian network［J］. Computer Engineering and Applications，2009，45（8）：194-197.（in Chinese）

［16］王承.基于神經(jīng)網(wǎng)絡的模擬電路故障診斷方法研究［D］.成都：電子科技大學，2005. W ANG Cheng.Study on Fault Diagnosis in Analog Circuits Based on Neural Networks［D］.Chengdu：University of Electronic Science and Technology of China，2005.（in Chinese）

HUANG He was born in Bazhong，Sichuan Province，in 1970. He is now a senior engineer.His research concerns the integration of airborne avionics RF system.

Email：Hh2013hh＠126.com

陳文豪（1983—），男，四川遂寧人，2002年于西安電子科技大學獲博士學位，主要從事機載航電射頻故障征兆及健康管理研究；

CHEN Wen-hao was born in Suining，Sichuan Province，in 1983.He received the Ph.D.degree from Xidian University in 2012.His research concerns fault prognostic and health management of airborne avionics RF system.

張弋（1983—），男，四川成都人，工程師，主要從事機載航電射頻測試性和健康管理研究。

ZHANG Yi was born in Chengdu，Sichuan Province，in 1983. He is now an engineer.His research concerns testability and health management of airborne avionics RF system.

Health Characterization and Effect Evaluation of RF Channel in Airborne Avionics System

HUANG He，CHEN Wen-hao，ZHANG Yi
（Southwest China Institute of Electronic Technology，Chengdu 610036，China）

This paper proposes the principles and methods for selecting the health characterization parameters based on Failure Mode，Effects and Criticality Analysis（FMECA），F(xiàn)ault Tree Analysis（FTA）and historical cases.At the same time，it discusses the method and application of the health characterization parameters based on Hidden Markov Model（HMM）and Bayes.Considering the integrated RF channel architecture in airborne avionic system，this paper analyzes the health influence on RF channel by means of the built model and selected characterization parameters.The results are important for the technology research of advanced fighter health management.

advanced fighter；avionics system；RF channel；health management；characterization parameter

hh2013hh＠126.com

V243

A

1001-893X（2013）05-0628-06

10.3969/j.issn.1001-893x.2013.05.020

黃鶴（1970—），男，四川巴中人，高級工程師，主要研究方向為機載航電射頻總體；

2013-03-02；

2013-04-25 Received date：2013-03-02；Revised date：2013-04-25

??

hh2013hh＠126.com