周玉清,薛小樂(lè),母勇民,黎玉剛

(中國(guó)兵器工業(yè)第203研究所,西安 710065)

小型戰(zhàn)術(shù)導(dǎo)彈智能測(cè)試診斷技術(shù)研究*

周玉清,薛小樂(lè),母勇民,黎玉剛

(中國(guó)兵器工業(yè)第203研究所,西安 710065)

針對(duì)小型戰(zhàn)術(shù)導(dǎo)彈武器系統(tǒng),研究測(cè)試路徑優(yōu)化、信號(hào)采集與處理、數(shù)據(jù)管理、特征提取、信息融合、模式分類、狀態(tài)評(píng)估、智能判別與決策預(yù)示等導(dǎo)彈智能測(cè)試診斷技術(shù),正確有效的揭示導(dǎo)彈故障的發(fā)生、發(fā)展和轉(zhuǎn)移規(guī)律,從而為實(shí)現(xiàn)小型戰(zhàn)術(shù)導(dǎo)彈的高效測(cè)試、故障精確快速定位,提供理論與技術(shù)支撐。

小型戰(zhàn)術(shù)導(dǎo)彈;診斷;測(cè)試

0 引言

近年來(lái),國(guó)內(nèi)外高度重視小型戰(zhàn)術(shù)導(dǎo)彈的智能測(cè)試診斷技術(shù)研究,并取得很大進(jìn)展[1-10]。但是,為實(shí)現(xiàn)小型戰(zhàn)術(shù)導(dǎo)彈的快速診斷與測(cè)試,在信號(hào)選擇和采集、信號(hào)處理、特征提取、識(shí)別分類、智能決策等研究領(lǐng)域進(jìn)行多學(xué)科交叉滲透中,尚存在許多有待解決的問(wèn)題:由于測(cè)試性設(shè)計(jì)、測(cè)試設(shè)備與接口內(nèi)容、測(cè)試點(diǎn)的選擇與配置等沒有做到與導(dǎo)彈設(shè)計(jì)同步,這對(duì)測(cè)試速度和深度有十分重要的影響,因此,單單研究復(fù)雜故障的診斷理論方法將很難解決智能化測(cè)試與故障診斷問(wèn)題;目前,雖然BIT(built-in test)或BIST(built-in self test)技術(shù)在小型戰(zhàn)術(shù)導(dǎo)彈系統(tǒng)得到了廣泛的應(yīng)用,但大多仍停留在“系統(tǒng)自檢”方面;基于智能和知識(shí)的診斷方法,包括模糊理論、神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)、模式識(shí)別等,這些方法各具特色,只在一定的條件和場(chǎng)合下有效,還面臨著諸如診斷信息不完整、模糊隸屬函數(shù)的人為確定、專家系統(tǒng)的知識(shí)獲取困難、征兆和故障對(duì)應(yīng)的歧義性、推理速度慢等問(wèn)題,限制了這些方法的應(yīng)用;所需測(cè)試的對(duì)象多,用單一的人工智能和系統(tǒng)分析方法的各自優(yōu)點(diǎn),模擬領(lǐng)域?qū)＜宜季S過(guò)程進(jìn)行決策,已經(jīng)成為智能化測(cè)試診斷的研究方向。當(dāng)前,小型戰(zhàn)術(shù)導(dǎo)彈系統(tǒng)組成復(fù)雜,故障種類繁多,以至于技術(shù)人員感覺越來(lái)越難以掌握成千上萬(wàn)條關(guān)于故障的知識(shí),只能根據(jù)獲得的故障現(xiàn)象,利用自己的經(jīng)驗(yàn)或查閱故障手冊(cè)進(jìn)行故障診斷,顯然,這種緩慢的、原始的人工測(cè)試方式無(wú)法滿足現(xiàn)在戰(zhàn)爭(zhēng)瞬息萬(wàn)變的需求。因此,要研究小型戰(zhàn)術(shù)導(dǎo)彈快速測(cè)試診斷關(guān)鍵理論與技術(shù),突破各LRU、SRU故障模式分析、診斷知識(shí)庫(kù)、專家知識(shí)庫(kù)管理和快速故障推理等關(guān)鍵技術(shù),準(zhǔn)確和快速測(cè)試覆蓋未來(lái)多種制導(dǎo)模式小型戰(zhàn)術(shù)導(dǎo)彈的光機(jī)電的故障,實(shí)現(xiàn)小型戰(zhàn)術(shù)導(dǎo)彈的高效測(cè)試診斷。

1 研究思路與內(nèi)容1.1 研究思路

從信號(hào)采集到故障智能診斷與預(yù)示,就信號(hào)合理選擇、優(yōu)化測(cè)試路徑規(guī)劃、信號(hào)采集與處理、數(shù)據(jù)管理、特征提取、信息融合、模式分類、狀態(tài)評(píng)估、智能判別與決策預(yù)示過(guò)程,充分利用現(xiàn)有基礎(chǔ),研究開發(fā)先進(jìn)的理論與技術(shù),進(jìn)行層層把關(guān)。研究?jī)?nèi)容歸納為數(shù)據(jù)獲取、數(shù)據(jù)分析、狀態(tài)評(píng)估、混合智能決策以及智能化診斷系統(tǒng)技術(shù)研究等五項(xiàng)主要任務(wù)所需要的理論與技術(shù),如圖1所示。其中前四項(xiàng)是第五項(xiàng)實(shí)施的理論與技術(shù)基礎(chǔ),而且前四項(xiàng)可根據(jù)不同任務(wù)作交叉、綜合運(yùn)用,從而以多種途徑達(dá)到小型戰(zhàn)術(shù)導(dǎo)彈智能測(cè)試診斷的目的。

圖1 小型戰(zhàn)術(shù)導(dǎo)彈智能測(cè)試診斷技術(shù)研究思路

1.2 研究?jī)?nèi)容

1)狀態(tài)信息的采集、預(yù)處理方法研究

通過(guò)信號(hào)合理選擇、優(yōu)化測(cè)試路徑規(guī)劃、擴(kuò)充故障信息來(lái)源、信息智能篩選等方面的研究,為導(dǎo)彈智能測(cè)試診斷提供豐富、精確、可靠的原始數(shù)據(jù)。

①可測(cè)試性技術(shù)研究:合理劃分LRU,建立各LRU與狀態(tài)信息的關(guān)聯(lián)關(guān)系以及LRU內(nèi)部的關(guān)聯(lián)模型,優(yōu)化選擇測(cè)試接口,獲得最能反映各LRU狀態(tài)或故障的信息。關(guān)注數(shù)字電路、模擬電路以及模數(shù)混合電路的可測(cè)試性技術(shù),配置模糊組,確定可測(cè)試元件,優(yōu)化選擇各測(cè)試點(diǎn)。

②總線狀態(tài)信息獲取技術(shù)研究:分析導(dǎo)彈武器系統(tǒng)的總線網(wǎng)絡(luò)組成方式以及信息流向,研究最佳的總線狀態(tài)信息測(cè)試技術(shù)。

③故障注入技術(shù)研究:考察導(dǎo)彈不同關(guān)鍵部件故障注入模型,建立故障驗(yàn)證平臺(tái)。

④狀態(tài)信息的智能篩選技術(shù):狀態(tài)的智能測(cè)試診斷與信號(hào)的質(zhì)量密切相關(guān),為剔出采集獲取的偽數(shù)據(jù)并提高數(shù)據(jù)的整體質(zhì)量,構(gòu)建了數(shù)據(jù)采集主動(dòng)過(guò)濾、數(shù)據(jù)入庫(kù)自動(dòng)識(shí)別、人工確認(rèn)為一體的三層質(zhì)保體系。

2)故障信號(hào)特征提取方法及理論研究:導(dǎo)彈故障主要來(lái)自于機(jī)械(舵機(jī)、導(dǎo)引頭等)、電路(數(shù)字電路、模擬電路、混合電路)、部件性能的退化等。在影響故障確認(rèn)的諸多因素中,通過(guò)現(xiàn)代信號(hào)處理方法來(lái)提高診斷信息的質(zhì)量,從而提高故障診斷的準(zhǔn)確性與可靠性。選擇適當(dāng)?shù)南冗M(jìn)信號(hào)分析方法,可為導(dǎo)彈的各種故障發(fā)生、發(fā)展、預(yù)示、診斷提供依據(jù)。

3)小型戰(zhàn)術(shù)導(dǎo)彈狀態(tài)評(píng)估與預(yù)測(cè)的理論和方法研究

①基于集合經(jīng)驗(yàn)?zāi)Ｊ椒纸?EEMD)和馬氏距離的武器性能評(píng)估理論研究:集合經(jīng)驗(yàn)?zāi)Ｊ椒纸饧夹g(shù)可有效消除模式混疊的影響,提取武器的故障特征,然后結(jié)合馬氏距離(Mahalanobis distance)判斷準(zhǔn)則,以實(shí)現(xiàn)武器性能的快速評(píng)估。

②基于威布爾比例故障率模型的武器性能評(píng)估理論研究:在武器狀態(tài)信號(hào)特征提取的基礎(chǔ)上,提出基于威布爾比例故障率模型的武器性能評(píng)估的新方法。

③基于偽隨機(jī)噪聲信號(hào)激勵(lì)的導(dǎo)彈狀態(tài)評(píng)估技術(shù)研究:研究基于偽隨機(jī)噪聲信號(hào)激勵(lì)的導(dǎo)彈狀態(tài)評(píng)估技術(shù)原理,考察偽隨機(jī)噪聲信號(hào)發(fā)生方法,建立導(dǎo)彈狀態(tài)評(píng)估或故障定位模型。

4)混合智能決策技術(shù)

①基于集成支持向量回歸機(jī)(SVM)的智能預(yù)測(cè)技術(shù):以統(tǒng)計(jì)學(xué)習(xí)理論(SLT)為基礎(chǔ)的支持向量機(jī)是針對(duì)少樣本和小樣本機(jī)器學(xué)習(xí)的一種方法,研究證明可解決困擾故障診斷領(lǐng)域多年的缺乏足夠的故障樣本而難以進(jìn)行模式分類的問(wèn)題,為智能測(cè)試診斷提供了一個(gè)新途徑。重點(diǎn)研究了集成支持向量機(jī)(SVR),建立適合于故障智能預(yù)示的快速響應(yīng)模型,預(yù)測(cè)故障的發(fā)展趨勢(shì)。

②基于貝葉斯網(wǎng)絡(luò)的智能預(yù)測(cè)技術(shù):貝葉斯網(wǎng)絡(luò)可將故障診斷中存在的大量不確定性信息綜合起來(lái)處理。貝葉斯網(wǎng)絡(luò)診斷分析的整個(gè)推理過(guò)程更符合人的實(shí)際診斷思路,不同于以往"由征兆到故障"的層式神經(jīng)網(wǎng)絡(luò)診斷。本研究把貝葉斯網(wǎng)絡(luò)的不確定性推理方法引入到導(dǎo)彈故障診斷中,有效提高診斷信息的利用率,同時(shí)為故障的智能快速推理判別開辟了一條新的途徑。

③混合智能預(yù)測(cè)技術(shù)研究:為了克服單一的人工智能方法在導(dǎo)彈系統(tǒng)故障快速診斷中的困難,綜合研究Bayesian網(wǎng)絡(luò)、故障樹、模糊推理、Petri網(wǎng)絡(luò)、神經(jīng)網(wǎng)絡(luò)、Graphic mode、專家系統(tǒng)、快速推理等基于符號(hào)智能和數(shù)字小型戰(zhàn)術(shù)導(dǎo)彈的人工方法,從而對(duì)小型戰(zhàn)術(shù)導(dǎo)彈狀態(tài)進(jìn)行合理快速的判斷。

5)智能測(cè)試診斷系統(tǒng)研究

以上述智能測(cè)試診斷關(guān)鍵理論與技術(shù)研究為基礎(chǔ),構(gòu)建小型戰(zhàn)術(shù)導(dǎo)彈智能化測(cè)試診斷平臺(tái)。

2 研究方法2.1 總體技術(shù)方案

研究將采用理論研究、數(shù)字分析、試驗(yàn)分析和工程驗(yàn)證相結(jié)合的研究方法。具體的研究方案為:

①研究對(duì)象:主要包括彈上計(jì)算機(jī)、舵機(jī)、導(dǎo)引頭、慣性器件等。它涉及到電路(模擬、數(shù)字、混合電路)、機(jī)械以及總線的智能和故障診斷的理論與技術(shù)。

②“軟件-硬件”結(jié)合研究方法:分別深入研究導(dǎo)彈信息采集與智能篩選、特征提取、狀態(tài)評(píng)估和智能決策的理論與方法,以及它們的軟件實(shí)現(xiàn)形式,并同時(shí)開展測(cè)試系統(tǒng)硬件開發(fā)技術(shù)研究。兩者相輔相成,實(shí)現(xiàn)智能測(cè)試診斷系統(tǒng)的開發(fā)。

③“測(cè)試-預(yù)示-診斷”的研究思路:即導(dǎo)彈可測(cè)試性研究是智能測(cè)試診斷的基礎(chǔ);根據(jù)歷史數(shù)據(jù),采用支撐向量機(jī)、集合經(jīng)驗(yàn)?zāi)Ｊ椒纸廒厔?shì)分析法,對(duì)狀態(tài)性能或部件故障預(yù)測(cè)作為補(bǔ)充;以狀態(tài)評(píng)估理論和方法以及混合決策技術(shù)進(jìn)行故障診斷;三位一體,實(shí)現(xiàn)導(dǎo)彈快速診斷與測(cè)試。

④“兩步走”研究策略:基于先進(jìn)的故障特征提取技術(shù),基于集合經(jīng)驗(yàn)?zāi)Ｊ椒纸夂婉R氏距離、威布爾比例故障模型的導(dǎo)彈狀態(tài)評(píng)估技術(shù),基于集成支撐向量機(jī)的導(dǎo)彈故障預(yù)測(cè)技術(shù)等方面,從導(dǎo)彈的可測(cè)試性技術(shù)研究著手,為導(dǎo)彈的快速診斷與測(cè)試開辟一種新的途徑,這為第一步研究策略;通過(guò)上述研究方法,獲取的故障特征顯然豐富了故障知識(shí)庫(kù)或?qū)＜蚁到y(tǒng),然后研究快速推理方法,可實(shí)現(xiàn)故障快速定位,這為第二步研究策略。

⑤建立故障注入試驗(yàn)平臺(tái),并利用現(xiàn)有的試驗(yàn)裝置和條件進(jìn)行多種故障的試驗(yàn)研究,分析總結(jié)開發(fā)方法的特點(diǎn)和適用對(duì)象,并對(duì)方法和軟件進(jìn)行反復(fù)檢驗(yàn)和改進(jìn),達(dá)到目標(biāo)要求。2.2 具體研究方法

1)狀態(tài)信息的獲取和處理方法

①緊跟小型戰(zhàn)術(shù)導(dǎo)彈設(shè)計(jì)過(guò)程,合理劃分彈上各重要RLU(導(dǎo)引頭、彈上計(jì)算機(jī)、慣性器件),做出其關(guān)聯(lián)圖,并進(jìn)行測(cè)試點(diǎn)和測(cè)試接口優(yōu)化選擇與布置,以便系統(tǒng)級(jí)和芯片級(jí)測(cè)試。

②舵機(jī)無(wú)傳感器信息獲取技術(shù):通過(guò)規(guī)劃測(cè)試曲線,產(chǎn)生不同的自激勵(lì)信號(hào),根據(jù)獲取的指令信息和電位計(jì)反饋信息,實(shí)現(xiàn)舵機(jī)控制系統(tǒng)動(dòng)態(tài)特性評(píng)估。

③總線狀態(tài)信息獲取技術(shù)研究:總線系統(tǒng)交聯(lián)關(guān)系比較復(fù)雜,系統(tǒng)一旦出現(xiàn)故障,將很難對(duì)其定位與排除。擬采用總線數(shù)據(jù)監(jiān)視技術(shù)、總線時(shí)延測(cè)試技術(shù)、總線故障注入技術(shù),實(shí)現(xiàn)總線關(guān)鍵狀態(tài)信息的獲取。

④故障注入技術(shù):根據(jù)導(dǎo)彈的結(jié)構(gòu)屬性,建立統(tǒng)一的故障特征向量矩陣,使其能夠表征導(dǎo)彈關(guān)鍵部件的故障信息,并以此建立導(dǎo)彈故障注入試驗(yàn)平臺(tái)。

2)基于S變換的故障特征提取技術(shù)

由于S變換所獲得的時(shí)頻分布圖并不能定量的給出導(dǎo)彈故障特征,不便于故障特征的提取;通過(guò)在S變換的時(shí)頻域內(nèi)對(duì)信號(hào)進(jìn)行分析,利用奇異值分解技術(shù)進(jìn)行數(shù)據(jù)壓縮并提取特征,可有效地實(shí)現(xiàn)導(dǎo)彈機(jī)械裝置(如舵機(jī)、各種類型的電路等)的故障識(shí)別。

3)狀態(tài)評(píng)估與預(yù)測(cè)的理論與方法研究

①基于集合經(jīng)驗(yàn)?zāi)Ｊ椒纸?EEMD)和馬氏距離的武器性能評(píng)估理論研究

在對(duì)狀態(tài)信號(hào)進(jìn)行經(jīng)驗(yàn)?zāi)Ｊ椒纸?EMD)之前,在信號(hào)中添加一定能量比例的噪聲信號(hào),可大大降低模式混疊的影響,更能準(zhǔn)確的提取導(dǎo)彈的主要特征,然后結(jié)合小型戰(zhàn)術(shù)導(dǎo)彈故障庫(kù)信息,通過(guò)馬氏距離準(zhǔn)則,判斷系統(tǒng)是否出現(xiàn)故障。其優(yōu)點(diǎn)在于可以對(duì)導(dǎo)彈關(guān)鍵部件電路和機(jī)械故障進(jìn)行評(píng)估,并且EEMD的殘余項(xiàng)可用于信號(hào)的趨勢(shì)分析。

②基于威布爾比例故障率模型的武器性能評(píng)估理論研究

在集成失效數(shù)據(jù)性能建模技術(shù)和狀態(tài)信號(hào)特征提取的基礎(chǔ)上,提出基于威布爾比例故障率模型進(jìn)行性能評(píng)估的新方法。該方法可以把底層信息與高層信息之間建立聯(lián)系,適合小型戰(zhàn)術(shù)導(dǎo)彈性能參數(shù)的估計(jì),以實(shí)現(xiàn)小型戰(zhàn)術(shù)導(dǎo)彈狀態(tài)信息的評(píng)估。

③基于偽隨機(jī)噪聲信號(hào)激勵(lì)的導(dǎo)彈狀態(tài)評(píng)估技術(shù)研究

研究表明偽隨機(jī)噪聲信號(hào)(pseudorandom noise,PRN)作為模擬電路診斷激勵(lì)信號(hào),正常狀態(tài)和故障狀態(tài)下輸出響應(yīng)之間的殘差信號(hào)反映了電路處于不同的故障狀態(tài),因此,通過(guò)電路的狀態(tài)觀測(cè),并利用信號(hào)分析方法可實(shí)現(xiàn)電路的故障定位。該方法進(jìn)行故障診斷時(shí)僅需要輸入端口和輸出端口兩個(gè)測(cè)試節(jié)點(diǎn),并且不需要進(jìn)行多次測(cè)試,適合工程化應(yīng)用。

4)基于集成支持向量回歸機(jī)的智能預(yù)測(cè)技術(shù)

采用集成支持向量機(jī)的方法來(lái)對(duì)慣性器件性能進(jìn)行預(yù)測(cè),其原理如下:首先構(gòu)造多個(gè)利用較少數(shù)據(jù)樣本學(xué)習(xí)而保證故障智能分類器錯(cuò)誤率最小的核心算法和支持向量回歸機(jī)的核心算法;其次,對(duì)不同的核進(jìn)行篩選,選擇較適合慣性器件性能預(yù)測(cè)的核;最后,對(duì)這些核進(jìn)行優(yōu)化集成,構(gòu)造最能適合慣性器件性能預(yù)測(cè)的核,以實(shí)現(xiàn)慣性器件性能預(yù)報(bào)的正確率。

5)智能測(cè)試診斷系統(tǒng)研究

①為了克服單一的人工智能方法在導(dǎo)彈系統(tǒng)故障預(yù)測(cè)中的困難,綜合研究了Bayesian網(wǎng)絡(luò)、模糊推理、Petri網(wǎng)絡(luò)、神經(jīng)網(wǎng)絡(luò)、Graphic mode、專家系統(tǒng)、快速推理等基于符號(hào)智能和數(shù)字智能的人工方法,為導(dǎo)彈故障快速診斷奠定了堅(jiān)實(shí)的基礎(chǔ)。

②研究高速多路并行采集和處理技術(shù)、多用途適配器,為導(dǎo)彈智能測(cè)試診斷提供硬件技術(shù)支持。

③進(jìn)行通用智能化的自動(dòng)測(cè)試軟件開發(fā)環(huán)境技術(shù)研究,該軟件包括儀器驅(qū)動(dòng)模塊、TPS(測(cè)試程序集)模塊、數(shù)據(jù)處理模塊、故障快速診斷模塊、數(shù)據(jù)顯示及管理模塊,自動(dòng)測(cè)試軟件環(huán)境將這些通用模塊進(jìn)行封裝,從而提高其可靠性、可維護(hù)性、編程效率。

④深入研究導(dǎo)彈BIT集成技術(shù)和無(wú)障礙測(cè)試技術(shù),其涉及兩個(gè)對(duì)象的內(nèi)容:其一,對(duì)于正在研發(fā)的或改進(jìn)的導(dǎo)彈,在設(shè)計(jì)階段就要考慮BIT系統(tǒng)與武器系統(tǒng)一起進(jìn)行設(shè)計(jì),提高導(dǎo)彈固有的狀態(tài)監(jiān)測(cè)與故障診斷能力;其二,對(duì)于智能測(cè)試診斷系統(tǒng)仍需嵌入BIT技術(shù),提高測(cè)試系統(tǒng)本身的可靠性。

3 結(jié)論

隨著小型戰(zhàn)術(shù)導(dǎo)彈結(jié)構(gòu)與性能的提高,迫切需要面向現(xiàn)在和未來(lái)的智能測(cè)試診斷技術(shù)的支撐,通過(guò)深入研究,將形成小型戰(zhàn)術(shù)導(dǎo)彈智能測(cè)試診斷關(guān)鍵理論與技術(shù)體系,從而為小型戰(zhàn)術(shù)導(dǎo)彈智能測(cè)試診斷奠定了基礎(chǔ)。

[1] 邵云峰, 彭濤. 地空導(dǎo)彈綜合測(cè)試技術(shù)發(fā)展及展望 [J]. 現(xiàn)代防御技術(shù), 2012, 40(5): 1-7.

[2] 李樹盛, 魏清新, 李祺, 等. 基于導(dǎo)彈總體效能的設(shè)計(jì)試驗(yàn)保障一體化測(cè)試技術(shù) [J]. 計(jì)算機(jī)測(cè)量與控制, 2013, 21(6): 1412-1414.

[3] 代京, 安茂春, 張平, 等. 導(dǎo)彈智能診斷測(cè)試系統(tǒng)設(shè)計(jì) [J]. 測(cè)控技術(shù), 2008, 27(10): 10-13.

[4] 秦文娟, 王魁. 基于TEAMs軟件的空空導(dǎo)彈測(cè)試性建模方法 [J]. 彈箭與制導(dǎo)學(xué)報(bào), 2011, 31(5): 44-46.

[5] 叢林虎, 徐廷學(xué), 楊繼坤, 等. 導(dǎo)彈退化故障預(yù)測(cè)方法研究 [J]. 電光與控制, 2014, 21(5): 78-82.

[6] 李東兵, 馬艷, 潘鴻飛, 等. 戰(zhàn)術(shù)導(dǎo)彈綜合故障診斷技術(shù)研究 [J]. 戰(zhàn)術(shù)導(dǎo)彈技術(shù), 2011(4): 42-46.

[7] 黎奇志, 胡國(guó)平. 基于故障特征信息熵的故障診斷策略優(yōu)化方法 [J]. 計(jì)算機(jī)應(yīng)用, 2012, 32(4): 1064-1066.

[8] HU Changhua, WANG Qing, CHEN Xinhua. Fuzzy neural network based on competitive learning and its application to fault diagnosis of missile [J]. Journal of Astronautics, 1999, 20(4): 99-103.

[9] SHAMES Soheil. Neural network optimization for multi-target multi-sensor passive parking [J]. Proceeding of the IEEE, 1996, 84(10): 1442-1457.

[10] DEB Somnath, PATTIPATI Krishn R, RAGHAVAN Vijay, et al. Multisignal flow graphs: A novel approach for system testability analysis and fault diagnosis [J]. IEEE Aero Space and Electronic Systems Magazine, 1994, 10(5): 361-373.

Investigation on Intelligent Testing and Diagnostic Technology for Small Tactical Missile

ZHOU Yuqing,XUE Xiaole,MU Yongmin,LI Yugang

(No.203 Research Institute of China Ordnance Industries, Xi’an 710065, China)

For small tactical missile weapon system, test path optimization, signal acquisition and processing, data management, feature extraction, information fusion, pattern classification, condition assessment, intelligent discriminant and decision prediction in intelligent test and diagnostic technology were profoundly investigated. And missile fault occurrence, development and transfer rule were revealed correctly and effectively. Therefore, it provides theoretical and technical support for efficient testing, quick and accurate fault diagnosis of small tactical missile.

small tactical missile; diagnosis; test

2015-06-17

周玉清(1978-),男,安徽臨泉人,高級(jí)工程師,博士,研究方向:武器系統(tǒng)綜合測(cè)試技術(shù)。

TP302

B