鐘詩勝，譚治學(xué)

(哈爾濱工業(yè)大學(xué)機(jī)電工程學(xué)院， 哈爾濱150001)

0 引言

為提高防空雷達(dá)系統(tǒng)的保障能力，應(yīng)在現(xiàn)有維修模式即事后維修的基礎(chǔ)之上引入健康管理理念，評估雷達(dá)在使用壽命期間的健康程度，從而在更廣泛的時間跨度內(nèi)實(shí)現(xiàn)對雷達(dá)的狀態(tài)跟蹤。防空雷達(dá)組成復(fù)雜，故障模式多樣，僅靠整機(jī)級別的健康狀態(tài)表述難以得出準(zhǔn)確的評價結(jié)果，為此，應(yīng)細(xì)化評價對象，針對雷達(dá)各分系統(tǒng)分別制定具有針對性的專用評價方法。雷達(dá)系統(tǒng)中發(fā)射機(jī)故障率最高，功能地位重要，應(yīng)為首要研究對象。其健康狀態(tài)評價面臨兩個問題:首先，雷達(dá)發(fā)射機(jī)狀態(tài)監(jiān)控參數(shù)眾多且異構(gòu)性強(qiáng)，電磁信號參數(shù)、機(jī)械性能參數(shù)、電力參數(shù)、熱參數(shù)深度耦合，采用對各元件進(jìn)行物理建模的方法，會面臨過高的建模代價，并且難以保證模型的魯棒性。因而，應(yīng)該尋找一種既能夠?qū)Ξ悩?gòu)參數(shù)信息統(tǒng)一描述，又能在不同的使用環(huán)境下保持其穩(wěn)定性的方法。目前，僅有系統(tǒng)工程方法可以同時滿足這兩個特性。其次，雷達(dá)發(fā)射機(jī)健康狀態(tài)的變化過程是動態(tài)的，現(xiàn)在通用的多種系統(tǒng)工程方法缺乏對系統(tǒng)動態(tài)特性的準(zhǔn)確描述，直接采用此類方法往往難以得出較為準(zhǔn)確的結(jié)果。通?？稍谝欢ɡ碚撗芯康幕A(chǔ)上，利用標(biāo)準(zhǔn)化來解決參數(shù)異構(gòu)性問題?，F(xiàn)在被廣泛使用的模糊層次分析法擁有一定的改造空間，可對其進(jìn)行相應(yīng)的動態(tài)特性改造，并利用模糊化方法提高其評價的準(zhǔn)確性。

1 雷達(dá)發(fā)射機(jī)健康狀態(tài)表征

1.1 雷達(dá)發(fā)射機(jī)組成結(jié)構(gòu)及工作過程

本文的研究對象是某型地面防空系統(tǒng)搜尋雷達(dá)的集中式全固態(tài)發(fā)射機(jī)。該固態(tài)雷達(dá)發(fā)射機(jī)的工作過程如圖1所示。發(fā)射機(jī)接收到激勵端傳來的射頻輸入，依靠多級放大固態(tài)單元、功率分配器和功率合成器對輸入信號進(jìn)行放大，然后傳輸給發(fā)射單元;循環(huán)液冷系統(tǒng)負(fù)責(zé)對熱電路進(jìn)行冷卻;多路并聯(lián)低壓開關(guān)電源為每個獨(dú)立的功率放大組件供電;控制保護(hù)系統(tǒng)負(fù)責(zé)對發(fā)射機(jī)的狀態(tài)參數(shù)進(jìn)行監(jiān)控，并在出現(xiàn)狀態(tài)異常時啟用相應(yīng)的故障隔離機(jī)制保護(hù)系統(tǒng)［1］。

1.2 雷達(dá)發(fā)射機(jī)健康狀態(tài)參數(shù)

雷達(dá)制造單位在發(fā)射機(jī)內(nèi)部布置了大量機(jī)內(nèi)測試裝置，支持裝備的遠(yuǎn)程監(jiān)控和故障診斷，該型發(fā)射機(jī)在運(yùn)行過程當(dāng)中監(jiān)控的健康狀態(tài)參數(shù)如表1所示。

表1 發(fā)射機(jī)監(jiān)控的健康狀態(tài)參數(shù)

這些健康狀態(tài)參數(shù)數(shù)量較多且數(shù)據(jù)構(gòu)造形式多樣，處理方法和數(shù)據(jù)存儲方式難以逐一定制。宜以狀態(tài)數(shù)據(jù)的格式為依據(jù)，對其進(jìn)行格式劃分后，針對不同格式制定信息提取手段。如表1所示，參照MIMOSA提出的健康狀態(tài)數(shù)據(jù)格式定義標(biāo)準(zhǔn)，將雷達(dá)發(fā)射機(jī)的健康參數(shù)數(shù)據(jù)劃分為五種:數(shù)據(jù)序列、數(shù)值型數(shù)據(jù)、波形數(shù)據(jù)、大型二進(jìn)制對象、標(biāo)量值［2］。

2 雷達(dá)發(fā)射機(jī)健康參數(shù)的標(biāo)準(zhǔn)化及綜合評價技術(shù)

數(shù)據(jù)采集單元收集到的健康狀態(tài)參數(shù)具有不同格式和信息量，不能直接作為健康評價模型的輸入信息。因此，在進(jìn)行健康狀態(tài)評價之前，需利用健康狀態(tài)參數(shù)的標(biāo)準(zhǔn)化方法實(shí)現(xiàn)參數(shù)的統(tǒng)一化度量。

為了構(gòu)建可方便實(shí)現(xiàn)工程化轉(zhuǎn)化的健康狀態(tài)評價模型，考慮將模糊層次分析法和模糊評價方法相結(jié)合，構(gòu)建評價模型的核心算法。模糊層次分析法是系統(tǒng)工程法的一種，采用模糊層次分析法完成綜合評價，可有效回避參數(shù)耦合問題，亦具有更強(qiáng)的全面性、合理性［3-4］;而模糊評價方法引入了［0，1］區(qū)間內(nèi)的隸屬度概念，有助于得到更為精確的評價結(jié)果［5］。但傳統(tǒng)模糊層次分析法具有兩點(diǎn)不足，妨礙了其在雷達(dá)發(fā)射機(jī)健康評價中的應(yīng)用:

(1)模糊判別矩陣的一致性校對過程繁復(fù)，且缺少理論性指導(dǎo);

(2)傳統(tǒng)模糊層次分析法對評價對象的影響因素動態(tài)變化跟蹤能力不足。

為此，對原有的模糊層次分析方法進(jìn)行兩點(diǎn)改進(jìn):借助模糊一致判別矩陣的性質(zhì)簡化其一致性校對過程;在模糊判別矩陣中添加基于影響因素動態(tài)特性的權(quán)重浮動因子。

2.1 健康狀態(tài)隸屬度向量構(gòu)建及模型層次結(jié)構(gòu)劃分

健康狀態(tài)隸屬度向量是基于參數(shù)的劣化程度對裝備的健康狀態(tài)進(jìn)行映射的基礎(chǔ)，其構(gòu)建應(yīng)當(dāng)遵從軍方的雷達(dá)裝備狀態(tài)劃分標(biāo)準(zhǔn)。通過查閱《通用雷達(dá)裝備質(zhì)量監(jiān)控要求》，得知雷達(dá)裝備的狀態(tài)評估采用“四級六等”規(guī)范［6］。為此，應(yīng)構(gòu)建六維裝備健康狀態(tài)參數(shù)隸屬度向量，分別對應(yīng)雷達(dá)發(fā)射機(jī)的新品、堪用1、堪用2、堪用3、故障、報(bào)廢六個狀態(tài)。

本文層次分析法的層次模型呈三層結(jié)構(gòu)，如圖2所示。

圖2 綜合評價三層模型

底層為參數(shù)層;中間層為健康評價指標(biāo)層，在綜合考慮了軍用復(fù)雜裝備的“六性”［2］要求和發(fā)射機(jī)的保障重點(diǎn)后，選用射頻質(zhì)量、安全性和可靠性構(gòu)建;頂層為目標(biāo)層，包含了雷達(dá)發(fā)射機(jī)的健康狀態(tài)隸屬度向量和雷達(dá)發(fā)射機(jī)的健康評價論斷。評價過程采用自底向上、逐層綜合的方式，不斷利用模糊變換算子和因素權(quán)重向量來完成信息綜合，最終得出頂層的健康評價指標(biāo)和雷達(dá)發(fā)射機(jī)健康狀態(tài)的評價結(jié)果。

2.2 參數(shù)的標(biāo)準(zhǔn)化方法

通過數(shù)據(jù)采集單元采集上來的原始數(shù)據(jù)，需經(jīng)過基于劣化程度的標(biāo)準(zhǔn)化處理，方可被健康評價模型使用。參數(shù)的劣化程度指的是參數(shù)與完全衰退閾值的接近程度，是其性能衰退程度的模糊化表現(xiàn)形式。該值一般處于［0，1］區(qū)間，當(dāng)其為0表示參數(shù)未衰退，而其為1時表示參數(shù)已完全衰退。參數(shù)標(biāo)準(zhǔn)化的方法便是實(shí)現(xiàn)參數(shù)狀態(tài)向［0，1］區(qū)間映射的過程。表1已經(jīng)實(shí)現(xiàn)了健康狀態(tài)參數(shù)的格式劃分，以此為依據(jù)可實(shí)現(xiàn)多種格式數(shù)據(jù)的通用標(biāo)準(zhǔn)化處理。其中，標(biāo)量值和數(shù)值型數(shù)據(jù)的劣化程度計(jì)算過程已在文獻(xiàn)［6］中給出，如式(1)所示

式中:di為參數(shù)劣化程度;xit為參數(shù)在時間t時的參數(shù)值;xi2，xi3分別為參數(shù)未劣化狀態(tài)時的上、下限;xi1，xi4分別為參數(shù)的控保機(jī)制觸發(fā)上、下限;k為劣化速率控制因子，反映了指標(biāo)狀態(tài)與該因素指標(biāo)值變化的對應(yīng)關(guān)系［6］，k＞1表示監(jiān)控人員對參數(shù)的較小偏差具有較高的容忍度，反之亦然。k值應(yīng)該參照參數(shù)在不同偏離程度所具有的容忍度而選取，考慮到裝備參數(shù)一般留有一定的設(shè)計(jì)余量，因此k值一般應(yīng)大于1。

鑒于大型二進(jìn)制文件過于復(fù)雜(多為影音文件或特征碼文件)且需辨識技術(shù)的支持，此處不予討論;數(shù)據(jù)序列、大型二進(jìn)制文件和波形數(shù)據(jù)的標(biāo)準(zhǔn)化處理需要提取參數(shù)特征，而后結(jié)合單值型參數(shù)的處理方法進(jìn)行劣化程度計(jì)算。

1)數(shù)據(jù)序列

數(shù)據(jù)序列是一系列數(shù)值的組合(如脈沖序列)，如表1所示，數(shù)據(jù)序列包含的信息可通過特征提取方法來獲取其中的誤觸發(fā)率、漏脈沖和重復(fù)頻率穩(wěn)定度特征，通?？蓪@些特征參數(shù)分別設(shè)定容忍閾值。而后按式(1)計(jì)算特征參數(shù)的劣化程度，對特征參數(shù)賦予權(quán)值并利用平均加權(quán)算子進(jìn)行綜合，便可以得出數(shù)據(jù)序列的劣化程度。

2)波形數(shù)據(jù)

波形數(shù)據(jù)劣化程度的計(jì)算也需要應(yīng)用特征提取方法。以雷達(dá)發(fā)射機(jī)的線性脈沖調(diào)制信號(如式(2)所示)為例，線性脈沖調(diào)制信號的參數(shù)評價需要從信號產(chǎn)生和處理過程入手，分析其對線性調(diào)頻信號的脈沖壓縮結(jié)果的影響，以實(shí)現(xiàn)對脈沖調(diào)制信號的劣化程度評價。

式中:s(t)為線性調(diào)頻信號;Tp為矩形信號寬度;μ為調(diào)頻斜率。

如圖3所示，當(dāng)脈沖調(diào)制信號的波形為理想輸入時，脈沖壓縮信號為良好的窄脈沖信號;而當(dāng)輸入附帶特征參數(shù)(如頂降、頂部波動等)擾動的脈沖調(diào)制波形后，得到的脈沖壓縮信號不但主瓣峰值出現(xiàn)了少許的下降，而且主瓣寬度也有一定加寬，噪聲的抑制效果也出現(xiàn)了劣化。

圖3 理想脈沖壓縮結(jié)果及帶有調(diào)制信號擾動的脈沖壓縮結(jié)果

脈沖調(diào)制信號的劣化程度計(jì)算過程如下:首先，提取特征參數(shù):脈沖前后沿、脈沖頂降、頂部波動和脈沖寬度。而后，評估特征參數(shù)對脈沖壓縮結(jié)果的影響:忽略掉雷達(dá)反射雜波，直接以雷達(dá)發(fā)射信號作為脈沖壓縮環(huán)節(jié)的輸入?？梢园l(fā)現(xiàn)，脈沖前后沿、脈沖頂降、脈沖頂部波動和脈沖寬度的變化對射頻壓縮信號的主瓣寬度、信號雜散、旁瓣高度和峰值皆有不同程度的影響，結(jié)合數(shù)據(jù)序列的特征參數(shù)處理方法進(jìn)行加權(quán)計(jì)算，即可得出脈沖調(diào)制信號的劣化程度。

2.3 基于劣化度的浮動權(quán)重模糊層次分析法

傳統(tǒng)模糊層次分析法的步驟為:(1)建立層次結(jié)構(gòu)模型;(2)建立各層次權(quán)重關(guān)系判別矩陣;(3)矩陣一致性檢驗(yàn);(4)權(quán)重向量求解;(5)實(shí)現(xiàn)綜合評價。下面將對權(quán)重關(guān)系判別矩陣的構(gòu)建、矩陣一致性檢驗(yàn)和權(quán)重向量求解方法的改進(jìn)進(jìn)行討論。

構(gòu)建參數(shù)的劣化程度隸屬度向量，求得所有異構(gòu)參數(shù)的劣化程度后，采用適當(dāng)?shù)碾`屬度函數(shù)(本文采用三角函數(shù))求得因素劣化程度對應(yīng)的狀態(tài)隸屬度向量 H1，H2，…，Hs。

2.3.1 建立各層次重要性對比矩陣

對因素的重要程度進(jìn)行估計(jì)，根據(jù)層次分析法的判別矩陣構(gòu)建方法，分別構(gòu)建每次層次評價過程的多個重要關(guān)系對比判別矩陣 B1，B2，…Bs［6］。為了能更精確地闡述權(quán)重關(guān)系直觀判別［7］，采用指數(shù)標(biāo)度代替原本的1-9線性標(biāo)度構(gòu)建權(quán)重關(guān)系判別矩陣，采用的指數(shù)標(biāo)度如表2所示。

表2 指數(shù)標(biāo)度的重要關(guān)系判別表

2.3.2 矩陣一致性檢驗(yàn)

在得到權(quán)重關(guān)系判別矩陣后，通過模糊一致判別矩陣和一致判別矩陣的轉(zhuǎn)換關(guān)系，將多個權(quán)重關(guān)系判別矩陣 B1，B2，… ，Bs轉(zhuǎn)換為模糊判別矩陣 F1，F(xiàn)2，…，F(xiàn)s。

模糊判別矩陣反映了專家對因素重要程度的直觀認(rèn)識，首先滿足單個專家的邏輯一致性，獲取單一專家的模糊一致判別矩陣，流程如圖4所示。

圖4 單一專家模糊一致判別矩陣獲取流程

1)單一模糊判別矩陣的一致性檢驗(yàn)

模糊一致矩陣性質(zhì)推論:非負(fù)互補(bǔ)矩陣F是模糊一致矩陣的充要條件，F(xiàn)的任意兩行之間的差向量的元素為固定值［8］。本文將利用此項(xiàng)性質(zhì)簡化一致性檢驗(yàn)過程。

(1)m＜n

p為重要性劃分界限，一般取p=0.5。

提取由該 m個元素組成的子矩陣 Cm×m，因 Cm×m維度數(shù)較小，其一致性較易保證。下面將利用此子矩陣C對整個重要關(guān)系對比矩陣進(jìn)行修改:

(1)選取Cm×m矩陣當(dāng)中的任意一行L1，選取第m+1行的對應(yīng)部分L1×m與L1做差，若得到的差向量中所有的元素均為常數(shù)a，則將L1×m及其所對應(yīng)的列加入 Cm×m當(dāng)中(此時子矩陣擴(kuò)展為 C(m+1)×(m+1))，否則擱置該因素，留待修正時取用，重復(fù)步驟(1)直至遍歷矩陣所有行。

(2)取出步驟(1)剩下的元素，按行和降序選取行與子矩陣的任意一行做差，若差向量中大部分元素都為常數(shù)a，而其中某些元素ak=rli-rki≠a，則需修改重要程度對比元素rki，令r'ki=rki+(ak-a)，重復(fù)直至子矩陣維數(shù)擴(kuò)展為n。

2)多矩陣信息綜合

得到多個模糊一致判別矩陣 F1，F(xiàn)2，…，F(xiàn)s后，通過擬優(yōu)一致矩陣的方法［9］實(shí)現(xiàn)多個專家意見的綜合，并將綜合得出的模糊一致判別矩陣F作為基準(zhǔn)模糊一致判別矩陣，留待健康評價時取用。

2.3.3 求得一致矩陣特征向量

為表述裝備參數(shù)的動態(tài)變化特性，改進(jìn)的模糊層次分析方法在對矩陣特征向量求解之前，動態(tài)地修正了2.3.2節(jié)得出的基準(zhǔn)模糊一致判別矩陣。參照浴盆曲線和大量裝備使用經(jīng)驗(yàn)得知，裝備狀態(tài)參數(shù)在接近失效閾值時，偏差數(shù)值和故障率的增長曲線近似于指數(shù)函數(shù)［10］。因此，賦予層次分析法以劣化程度作為自變量的指數(shù)函數(shù)形式的浮動權(quán)重來模擬這種參數(shù)變化趨勢，令

式中:e0為參數(shù)處于未劣化狀態(tài)時的重要程度度量;e(di)為參數(shù)劣化程度為di時對應(yīng)的重要程度;Pi為權(quán)重浮動因子，取決于該因素的前向耦合因素?cái)?shù)量及參數(shù)達(dá)到或超過容忍閾值的嚴(yán)重程度。

式(3)的解釋為:當(dāng)某項(xiàng)健康狀態(tài)參數(shù)劣化較嚴(yán)重時，其對系統(tǒng)健康程度的影響相對于其他未劣化參數(shù)得到了增強(qiáng)，而該影響趨勢體現(xiàn)在模糊一致判別矩陣中時，可得

式中:fij(di)為某項(xiàng)參數(shù)出現(xiàn)劣化時的模糊判別矩陣對應(yīng)元素;fij(0)為參數(shù)未出現(xiàn)劣化時的模糊判別矩陣對應(yīng)元素。

同理，將單一因素的影響作用擴(kuò)展到整個因素集，得出模糊修正矩陣

易證，修正后的模糊矩陣F＇仍然具有一致性。值得注意的是，修正矩陣可能會擴(kuò)大極重要因素和非重要元素的權(quán)重差異，使修正后的模糊一致矩陣出現(xiàn)負(fù)元素，對應(yīng)的解決方法為修正標(biāo)度上限M的數(shù)值，令

式中:Pi0為修正矩陣中最大元素revi0j0的影響變動因子。修改模糊矩陣F＇為 F″

式中:D為全1矩陣。

易證，F(xiàn)″相對于F＇并未有權(quán)重判別性質(zhì)的變化。整個2.3.3節(jié)中所描述的基準(zhǔn)模糊一致矩陣的取用與修正流程如圖5所示。

圖5 基準(zhǔn)模糊一致矩陣取用與修正流程

獲得修正模糊一致矩陣F″后，將其轉(zhuǎn)化為一致判別矩陣［11］，并利用最大特征值法求出中間層的指標(biāo)權(quán)重向量A和參數(shù)層的參數(shù)權(quán)重向量AⅠ、AⅡ、AⅢ。

模糊層次分析法的最后一個步驟為:結(jié)合層次權(quán)重向量，選用模糊變換算子逐層向上得出綜合評價結(jié)果。模糊變換算子有四種類型［11］，本文在示例中選用加權(quán)平均型算子進(jìn)行隸屬度向量綜合計(jì)算。

3 應(yīng)用示例分析

出于實(shí)際使用數(shù)據(jù)的種類多樣性和篇幅的考慮，本文不給出雷達(dá)發(fā)射機(jī)的參數(shù)標(biāo)準(zhǔn)化方法的對比驗(yàn)證實(shí)例，僅對改進(jìn)的模糊層次分析方法進(jìn)行驗(yàn)證?，F(xiàn)針對雷達(dá)發(fā)射機(jī)的數(shù)個故障實(shí)例給出多個健康狀態(tài)參數(shù)劣化程度序列(共計(jì)六種故障模式，故障編號分別為①～⑥)，部分?jǐn)?shù)據(jù)如表3所示。

表3 部分健康狀態(tài)參數(shù)(模擬數(shù)據(jù))

從表中得知，不同的故障模式體現(xiàn)出了不同的參數(shù)劣化程度差異:當(dāng)冷卻單元故障時，機(jī)內(nèi)電路超溫，發(fā)射機(jī)的健康指標(biāo)呈現(xiàn)出整體劣化趨勢;當(dāng)激勵組件出現(xiàn)故障時，僅有個別參數(shù)表現(xiàn)出嚴(yán)重的劣化趨勢;當(dāng)個別功放組件發(fā)生故障時，發(fā)射機(jī)整體功率和效率有所下降，體現(xiàn)出較為平緩的性能衰退。

通過專家對評價指標(biāo)體系的權(quán)重評估，得到的指標(biāo)層的射頻質(zhì)量、安全性和可靠性權(quán)重向量為

借助專家對參數(shù)和指標(biāo)的權(quán)重評定結(jié)果，分別利用傳統(tǒng)層次分析法和改進(jìn)的模糊層次分析法對上述故障情形進(jìn)行健康狀態(tài)評價，狀態(tài)隸屬度向量如表4所示。

表4 傳統(tǒng)層次分析法與改進(jìn)模糊層次分析法得出的隸屬度向量

按照隸屬度最大原則，得出雷達(dá)發(fā)射機(jī)的健康狀態(tài)評價結(jié)果，與雷達(dá)發(fā)射機(jī)的故障標(biāo)準(zhǔn)評級結(jié)果對比，如表5所示。

表5 傳統(tǒng)層次分析法、改進(jìn)方法評價與標(biāo)準(zhǔn)故障評級結(jié)果比較

從分析結(jié)果可以看出，傳統(tǒng)的層次分析法在參數(shù)劣化趨勢較一致時可得出較為準(zhǔn)確的評價結(jié)果，但在僅個別重要指標(biāo)出現(xiàn)較為嚴(yán)重的劣化時，由于其缺少模型動態(tài)修正能力，給出了過于保守的評價結(jié)果;而改進(jìn)的方法通過對權(quán)重矩陣進(jìn)行基于劣化程度的權(quán)重修正，獲得了更為靈活的動態(tài)過程跟蹤特性，在參數(shù)劣化趨勢較一致和差異較大情況下皆能給出較為準(zhǔn)確的健康評價結(jié)果。

可見，改進(jìn)的層次分析方法賦予了健康評價模型時變的特征，使其能夠更為精確地跟蹤劣化的參數(shù)或指標(biāo)對雷達(dá)發(fā)射機(jī)健康狀態(tài)的影響。該方法已經(jīng)在國內(nèi)某型雷達(dá)發(fā)射機(jī)的健康評價問題上證實(shí)了其應(yīng)用價值。

4 結(jié)束語

雷達(dá)發(fā)射機(jī)健康狀態(tài)評價方法的研究具有重要的科研意義和實(shí)用意義，本文重點(diǎn)對雷達(dá)發(fā)射機(jī)的健康狀態(tài)異構(gòu)參數(shù)處理方法和健康評價模型構(gòu)建方法進(jìn)行了討論，并給出了兩個問題的解決方法:通過參數(shù)的格式劃分和參數(shù)基于劣化程度的標(biāo)準(zhǔn)化，有效地解決了參數(shù)異構(gòu)問題，為多元參數(shù)信息的提取和綜合提供了解決方案;通過構(gòu)建包含健康評價指標(biāo)、健康狀態(tài)參數(shù)的層次分析結(jié)構(gòu)，有效地回避了物理建模方法的高建模代價以及多元回歸方法可能面臨的模型復(fù)雜性和穩(wěn)定性問題。同時，本文利用模糊一致判別矩陣的性質(zhì)簡化了其一致性校對過程，并在模糊一致判別矩陣當(dāng)中引入權(quán)重浮動因子以改善其動態(tài)評價特性，給出了實(shí)例驗(yàn)證過程。結(jié)果表明，與傳統(tǒng)層次分析法相比，該方法具有更高的健康狀態(tài)評價精度，且方法靈活性更強(qiáng)。

［1］ Ostroff E D，Borkowski M，Thomas H，et al.固態(tài)雷達(dá)發(fā)射機(jī)(下)［J］.陳樹錚譯.現(xiàn)代雷達(dá)，1991(5):90-105.Ostroff E D，et al.Solid-state radar transmitters［J］.Chen Shuzheng translate.Modern Radar，1991(5):90-105.

［2］ Sun Bo，Kang Rui，Xie Jinsong.Research and applicaiton of the prognostic and health management system［J］.Systems Engineering and Electronics，2007，29(10):1762-1767.

［3］ 賓光富，李學(xué)軍，Dhillon B S，et al.基于模糊層次分析法的設(shè)備狀態(tài)系統(tǒng)量化評價新方法［J］.系統(tǒng)工程理論與實(shí)踐，2010，30(4):744-750.Bin Guangfu，Li Xuejun，Dhillon B S，et al.Quantitative system evaluation method for equipment state using fuzzy and analytic hierarchy process［J］.System Engineering:Theory＆ Practice，2010，30(4):744-750.

［4］ 賓光富，李學(xué)軍，李 萍.一種構(gòu)建機(jī)械設(shè)備健康狀態(tài)評價指標(biāo)體系的方法研究［J］.機(jī)床與液壓，2007，35(12):177-179，182.Bin Guangfu，Li Xuejun，Li Ping.A new method to establish index system of mechanical equipment healthy state evaluation［J］.Machine Tool ＆ Hydraulics，2007，35(12):177-179，182.

［5］ 李創(chuàng)起，景國勛，張永強(qiáng).模糊評價方法在煤礦安全管理中的應(yīng)用［J］. 安全與環(huán)境工程，2012，19(1):87-89，94.Li Chuangqi，Jing Guoxun，Zhang Yongqiang.Application of fuzzy evaluation methods to coal mine safety management［J］.Safety and Environment Engineering，2012，19(1):87-89，94.

［6］ 黃建軍，楊江平，房子成.基于AHP和模糊評判的雷達(dá)系統(tǒng)狀態(tài)綜合評價［J］. 現(xiàn)代雷達(dá)，2011，33(3):12-16，33.Huang Jianjun，Yang Jiangping，F(xiàn)ang Zicheng.Radar system state comprehensive evaluation based on AHP and fuzzy［J］.Modern Radar，2011，33(3):12-16，33.

［7］ Zhang Qi，Nishimura T.A method of evaluation for scaling in the analytic hierarchy process［C］//1996 IEEE International Conference on Systems，Man，and Cybernetics.Beijing:IEEE Press，1996:1888-1893.

［8］ 陶余會.如何構(gòu)造模糊層次分析法中模糊一致判斷矩陣［J］.四川師范學(xué)院學(xué)報(bào):自然科學(xué)版，2002，23(3):282-285.Tao Yuhui.How to make fuzzy consistent judgement matrix of the FAHP［J］.Journal of Sichuan Teachers College:Natural Science，2002，23(3):282-285.

［9］ 林衛(wèi)國，楊明忠.三角模糊AHP在供應(yīng)商選擇中的應(yīng)用［J］. 河南紡織高等?？茖W(xué)校學(xué)報(bào)，2005，17(4):22-23，27.Lin Weiguo，Yang Mingzhong.Application of triangle fuzzy AHP algorithm in provider selection［J］.Journal of Henan Textile College，2005，17(4):22-23，27.

［10］ Gebraeel N，Lawley M，Liu R，et al.Residual life predictions from vibration-based degradation signals:a neural network approach［J］.IEEE Transactions on Industrial E-lectronics，2004，51(3):694-700.

［11］ 韋振中.一致判斷矩陣與一致模糊矩陣的關(guān)系［J］.廣西民族學(xué)院學(xué)報(bào):自然科學(xué)版，2001，7(2):87-89.Wei Zhenzhong.The relationship between the consistent judgement matrix and the consistent fuzzy matrix［J］.Journal of Guangxi University for Nationalities:Natural Science，2001，7(2):87-89.