陳效真，周 姣，董燕琴，魏宗康，王常虹

（1.國家慣性技術(shù)產(chǎn)品質(zhì)量監(jiān)督檢驗中心，北京100039；2.北京航天控制儀器研究所，北京100039；3.火箭軍裝備研究院，北京100094；4.哈爾濱工業(yè)大學(xué)空間控制與慣性技術(shù)研究中心，哈爾濱150080）

0 引言

高精度慣性導(dǎo)航系統(tǒng)作為戰(zhàn)略導(dǎo)彈武器系統(tǒng)中制導(dǎo)和控制的關(guān)鍵部件，是武器系統(tǒng)實現(xiàn)精確打擊的關(guān)鍵［1-4］。高精度慣性導(dǎo)航系統(tǒng)產(chǎn)品的研制、驗收和應(yīng)用分為4個階段運行，期間生成了海量的數(shù)據(jù)。第一階段是研制階段，由設(shè)計和生產(chǎn)單位完成，生成了大量元件、儀表和單機的測試數(shù)據(jù)；第二階段是控制系統(tǒng)綜合測試階段，生成了大量的靜動態(tài)試驗仿真數(shù)據(jù)、地面模擬飛行數(shù)據(jù)；第三階段是飛行試驗和靶試階段，重點在于收集遙外測數(shù)據(jù)，驗證天地一致性；第四階段是裝備服役階段，生成了大量的儲存、年檢及性能退化數(shù)據(jù)。不同時期從不同側(cè)面反映了產(chǎn)品特性，每個階段數(shù)據(jù)各具特色，形成不同特征的數(shù)據(jù)包，但是各階段自成體系，由此形成數(shù)據(jù) “孤島”。這些 “孤島”之間缺乏溝通互補，雖為同類，但由于型號不同，組織建設(shè)的制約導(dǎo)致慣性導(dǎo)航系統(tǒng)借鑒和應(yīng)用的藩籬，難以形成高精度慣性導(dǎo)航系統(tǒng)全壽命周期測試大數(shù)據(jù)體系。

慣性導(dǎo)航測試數(shù)據(jù)的分析是高精度慣性導(dǎo)航系統(tǒng)研制、驗收和應(yīng)用中的難題。目前，很大部分數(shù)據(jù)采用人工判讀集合單機數(shù)據(jù)庫存儲的方式進行，這種依賴人工的數(shù)據(jù)分析在面對海量的大數(shù)據(jù)時，存在耗時、低效、成本高等諸多缺點，并且測試人員很難通過肉眼從海量的原始數(shù)據(jù)中理解問題的本質(zhì)。如何將這些海量數(shù)據(jù)背后隱含的有價值信息挖掘出來，幫助測試人員分析和解決問題，提高慣性導(dǎo)航系統(tǒng)的精度已成為當務(wù)之急和應(yīng)勢之舉。

大數(shù)據(jù)是指無法在一定時間范圍內(nèi)用常規(guī)軟件工具進行捕捉、管理和處理的數(shù)據(jù)集合，需要新處理模式才能具有更強的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長率和多樣化的信息資產(chǎn)，它具有規(guī)模性（Volume）、實時高速性（Velocity）、 多樣性（Variety）、 低價值密度（Value）和真實性（Veracity）5個特征。目前，高精度慣性導(dǎo)航系統(tǒng)在全壽命周期的數(shù)據(jù)也具備上述5個特征。同時，高精度慣性導(dǎo)航系統(tǒng)還具備新的特征，例如，在出廠階段重點在于對慣性測量裝置低階誤差系數(shù)的穩(wěn)定性考核，在控制系統(tǒng)綜合測試階段重點在于對慣性測量系統(tǒng)高階誤差和動態(tài)導(dǎo)航精度的估計和評估，在裝備服役階段重點在于對測試數(shù)據(jù)的保持能力和飛行試驗的遙外測數(shù)據(jù)收集和比對，驗證高精度慣性導(dǎo)航系統(tǒng)的天地一致性。高精度慣性導(dǎo)航系統(tǒng)的數(shù)據(jù)同一產(chǎn)品子樣少，同類型號多；數(shù)據(jù)生成周期長，同類產(chǎn)品試驗頻次多；數(shù)據(jù)高密度壁壘致使數(shù)據(jù)分散，關(guān)聯(lián)度不緊密，顯性度不夠。因此，亟需建立一個高精度慣性導(dǎo)航系統(tǒng)全壽命周期測試大數(shù)據(jù)體系，通過數(shù)據(jù)挖掘?qū)崿F(xiàn)同類產(chǎn)品數(shù)據(jù)對比和經(jīng)驗遞推，以保障慣性導(dǎo)航系統(tǒng)精度、可靠性、壽命及天地一致性等應(yīng)用性能。

本文首先介紹了大數(shù)據(jù)發(fā)展現(xiàn)狀；其次詳細分析了慣性導(dǎo)航測試系統(tǒng)數(shù)據(jù)采集、數(shù)據(jù)管理及數(shù)據(jù)應(yīng)用中存在的問題，提出大數(shù)據(jù)管理分析系統(tǒng)的需求和目標；最后，結(jié)合數(shù)據(jù)管理和分析中的關(guān)鍵技術(shù)，構(gòu)建了慣性導(dǎo)航測試系統(tǒng)以數(shù)據(jù)采集層、數(shù)據(jù)支撐層和數(shù)據(jù)應(yīng)用層為3大模塊的大數(shù)據(jù)分析平臺基本框架。為高精度慣性導(dǎo)航系統(tǒng)優(yōu)化設(shè)計、提升精度、保障產(chǎn)品可靠性、合理預(yù)估系統(tǒng)壽命及適應(yīng)未來戰(zhàn)爭提供了發(fā)展思路。

1 大數(shù)據(jù)發(fā)展現(xiàn)狀

在試驗不變的條件下，重復(fù)試驗多次，隨機事件的頻率近似于它的概率，這是大數(shù)據(jù)定理的基礎(chǔ)。有規(guī)律的隨機事件在大量重復(fù)出現(xiàn)的條件下，往往呈現(xiàn)幾乎必然的統(tǒng)計特性。2010年，《Science》刊登文章指出，雖然人們的出行模式有很大不同，但大多數(shù)是可以預(yù)測的。這意味著能夠根據(jù)個體之前的行為軌跡預(yù)測未來行蹤的可能性，從此開啟了大數(shù)據(jù)理論研究的先河。牛津大學(xué)網(wǎng)絡(luò)學(xué)院互聯(lián)網(wǎng)治理與監(jiān)管專業(yè)教授舍恩伯格在 《大數(shù)據(jù)時代》一書中指出，大數(shù)據(jù)不是隨機樣本，而是全體數(shù)據(jù)；不是精確性，而是混雜性；不是因果關(guān)系，而是相關(guān)關(guān)系。在這樣一個數(shù)據(jù)大量產(chǎn)生和積累的時代，從海量的數(shù)據(jù)金礦中發(fā)現(xiàn)暗藏的規(guī)律，就能夠搶占先機，先發(fā)制人。

隨著信息化與工業(yè)化的融合發(fā)展，信息技術(shù)滲透到了工業(yè)企業(yè)產(chǎn)業(yè)鏈的各個環(huán)節(jié)。生產(chǎn)和測試線上高速運轉(zhuǎn)的機器所產(chǎn)生的數(shù)據(jù)量不亞于計算機數(shù)據(jù)，數(shù)據(jù)量大，種類多，實時性高。隨著工業(yè)大數(shù)據(jù)的逐漸積累，數(shù)據(jù)挖掘?qū)槠髽I(yè)取得更多的價值，促進企業(yè)進行經(jīng)濟效益提升、安全生產(chǎn)和節(jié)能減排等方面的改進。

時至今日，一款型號慣性導(dǎo)航系統(tǒng)的輸出已由單一數(shù)據(jù)轉(zhuǎn)變?yōu)橛蓴?shù)據(jù)、符號、噪聲等因素多信息的集成。大數(shù)據(jù)分析平臺能夠跨越視覺、文字、語言、圖形、符號、聽覺、音響、噪聲等不同類型的媒體數(shù)據(jù)，對現(xiàn)實物理精密結(jié)構(gòu)實體知識、機理、功能、精度、壽命進行統(tǒng)一表征，構(gòu)建現(xiàn)實物理精密結(jié)構(gòu)實體跨媒體知識圖譜、模型、標準、理論，實現(xiàn)跨媒體現(xiàn)實物理精密結(jié)構(gòu)實體的知識演化、推理、預(yù)警、預(yù)測、評價、評估、演繹、饋補、優(yōu)化、簡化，實現(xiàn)數(shù)據(jù)的深度挖掘和物理機理的深入關(guān)聯(lián)理解。因此，利用新興的大數(shù)據(jù)技術(shù)分析高精度慣性導(dǎo)航系統(tǒng)測試數(shù)據(jù)已成為提高測試效率和準確性、實踐和檢驗現(xiàn)代自主智能控制理論、推動慣性技術(shù)應(yīng)用優(yōu)化的必然手段，是慣性導(dǎo)航技術(shù)適應(yīng)現(xiàn)代多維立體交叉戰(zhàn)爭，實現(xiàn)多元裝備自主智能多信息融合協(xié)同精確打擊的有效解決辦法。

2 高精度慣性導(dǎo)航系統(tǒng)測試技術(shù)大數(shù)據(jù)應(yīng)用中存在的問題

當前，我國在高精度慣性導(dǎo)航系統(tǒng)研制仿真測試方面，雖然已經(jīng)取得了長足的進步，但仍存在很多不足，與慣性導(dǎo)航技術(shù)產(chǎn)品的研制需求極不適應(yīng)，例如機理不清、模型簡單、精度不高、激勵方法陳舊、流程繁瑣、使用復(fù)雜等諸多關(guān)鍵問題。從技術(shù)上講，高精度慣性導(dǎo)航系統(tǒng)在生產(chǎn)工藝上已經(jīng)將產(chǎn)品的生產(chǎn)精度提高到極致，而目前大部分瓶頸問題在于高精度慣性導(dǎo)航系統(tǒng)測試技術(shù)沒有足夠的計算能力，處理海量數(shù)據(jù)困難，因此，要把這些龐大的工程數(shù)據(jù)利用起來，為數(shù)據(jù)分析提供高性能并行計算是必要的基礎(chǔ)能力。大數(shù)據(jù)是現(xiàn)代信息技術(shù)的重要發(fā)展方向之一，實現(xiàn)大數(shù)據(jù)的共享和分析將為高精度慣性導(dǎo)航系統(tǒng)帶來難以估量的經(jīng)濟價值和工作效率，同時也會對慣性導(dǎo)航技術(shù)發(fā)展產(chǎn)生巨大的推動作用。高精度慣性導(dǎo)航系統(tǒng)有必要順應(yīng)當前趨勢，向著互聯(lián)共享、虛擬化、自動化、模塊化、集成化、綜合化、智能化、網(wǎng)絡(luò)化、協(xié)同化、實戰(zhàn)化、標準化的方向發(fā)展，將海量的測試數(shù)據(jù)加以利用，因此，對高精度慣性導(dǎo)航系統(tǒng)大數(shù)據(jù)測試平臺的建設(shè)需求十分緊迫。

2.1 高精度慣性導(dǎo)航系統(tǒng)數(shù)據(jù)采集中存在的問題

數(shù)據(jù)采集是數(shù)據(jù)挖掘和分析的前提，同時也是分析解決問題，提升產(chǎn)品性能的第一步。

在目前的高精度慣性導(dǎo)航測試過程中，數(shù)據(jù)的采集和應(yīng)用存在嚴峻問題。其中包括：1）數(shù)據(jù)可信度不強。由于測試過程中環(huán)境、操作流程等數(shù)據(jù)沒有完整記錄，導(dǎo)致測試過程中產(chǎn)生的干擾被帶入采集數(shù)據(jù)，數(shù)據(jù)的準確性降低，可信度不強。2）數(shù)據(jù)與物理行為映射關(guān)系不清。數(shù)據(jù)的產(chǎn)生受到多種物理行為的影響，在誤差的分析過程中，有限的測試數(shù)據(jù)很難將各種物理因素的影響分離出來，因而在誤差補償過程中物理機理不明確，針對性差。3）全生命周期數(shù)據(jù)采集積累、統(tǒng)籌分析、系統(tǒng)協(xié)同應(yīng)用管理、風險預(yù)測預(yù)判不力。其中，生產(chǎn)、測試和貯存各階段中只關(guān)心階段內(nèi)的數(shù)據(jù)，各階段之間銜接不緊密，缺乏全局總體的數(shù)據(jù)觀測，導(dǎo)致風險預(yù)測能力差。4）行業(yè)壁壘嚴重。從元器件到裝配及使用過程中，各部門間數(shù)據(jù)傳遞缺乏，原始數(shù)據(jù)和問題被保留，系統(tǒng)整體性差。這些問題導(dǎo)致慣性系統(tǒng)的物理機械性能測試不準確，進而直接降低高精度慣性導(dǎo)航系統(tǒng)精度、可靠性和儲存壽命。

2.2 高精度慣性導(dǎo)航系統(tǒng)數(shù)據(jù)管理中存在的問題

高精度慣性導(dǎo)航系統(tǒng)測試過程中產(chǎn)生的數(shù)據(jù)具有數(shù)據(jù)量大、類型復(fù)雜多樣及關(guān)聯(lián)性強的特點，如何在這些數(shù)據(jù)之間建立連接，為測試人員提供便捷的數(shù)據(jù)瀏覽界面是測試數(shù)據(jù)分析是否成功的重要因素。若能夠?qū)崿F(xiàn)對全部歷史數(shù)據(jù)的自由追溯查詢，則質(zhì)量過程控制的力度將大幅度提升，實現(xiàn)高精度慣性導(dǎo)航系統(tǒng)不同階段間所有數(shù)據(jù)內(nèi)容的橫縱比對，必然將大幅提升高精度慣性導(dǎo)航系統(tǒng)的測試質(zhì)量和效率。

慣性導(dǎo)航測試系統(tǒng)目前的數(shù)據(jù)處理手段和管理手段已經(jīng)無法適應(yīng)當前高精度慣性導(dǎo)航系統(tǒng)研制的要求，存在的主要問題包括：1）測試數(shù)據(jù)量大，但數(shù)據(jù)采集設(shè)備與數(shù)據(jù)管理服務(wù)器不互連，雖然使用TDM對數(shù)據(jù)進行了處理并存儲在關(guān)系型數(shù)據(jù)庫中，但依然可能導(dǎo)致數(shù)據(jù)不一致性問題。2）數(shù)據(jù)類型多，缺乏統(tǒng)一管理，數(shù)據(jù)導(dǎo)入過程復(fù)雜、效率低，導(dǎo)致數(shù)據(jù)更新的時效性差。3）對于大數(shù)據(jù)，無法使用存儲介質(zhì)進行設(shè)備與服務(wù)器之間的數(shù)據(jù)交換，導(dǎo)致大量數(shù)據(jù)浪費。4）數(shù)據(jù)利用率低，分析困難，無法利用大數(shù)據(jù)處理方法來進行高精度慣性導(dǎo)航系統(tǒng)可靠性評估與故障診斷。5）高精度慣性導(dǎo)航系統(tǒng)數(shù)據(jù)處理與分析方法不規(guī)范，共享性差，導(dǎo)致推廣困難，重復(fù)工作。6）數(shù)據(jù)自動判讀的深度與廣度不夠，導(dǎo)致測試覆蓋性不全，容易漏掉產(chǎn)品的質(zhì)量問題。據(jù)統(tǒng)計，一個測試任務(wù)結(jié)束時，往往會產(chǎn)生GB量級的文檔甚至TB量級的測試數(shù)據(jù)，這些數(shù)據(jù)的利用還存在著嚴重不足。一方面，數(shù)據(jù)查找非常不方便，測試人員在資料收集上浪費大量時間；另一方面，一旦設(shè)備出現(xiàn)故障，這些數(shù)據(jù)可能會丟失，給企業(yè)帶來損失。

面對高精度慣性導(dǎo)航系統(tǒng)測試過程中產(chǎn)生的諸多問題，大數(shù)據(jù)技術(shù)將成為提升高精度慣性導(dǎo)航系統(tǒng)測試效率和準確性的有效方案。因此，高精度慣性導(dǎo)航系統(tǒng)迫切需要建設(shè)一個高效統(tǒng)一的數(shù)據(jù)管理和分析系統(tǒng)，提升測試準確性和效率，完善企業(yè)的知識積累。

2.3 高精度慣性導(dǎo)航系統(tǒng)數(shù)據(jù)應(yīng)用中存在的問題

在慣性導(dǎo)航測試技術(shù)中主要以精度、可靠性、儲存維修指標和退役指標評價高精度慣性導(dǎo)航系統(tǒng)4類重要的應(yīng)用性能。目前的慣性導(dǎo)航系統(tǒng)數(shù)據(jù)應(yīng)用中，每一類指標的數(shù)據(jù)采集中都存在問題，具體如圖1所示。下面針對高精度慣性導(dǎo)航系統(tǒng)的4類指標，分析慣性導(dǎo)航測試系統(tǒng)數(shù)據(jù)采集中存在的具體問題。

（1）精度

慣性導(dǎo)航測試系統(tǒng)中精度指標包括設(shè)計指標、測試指標、試驗指標和環(huán)境指標。其中，設(shè)計指標來源于高精度慣性導(dǎo)航系統(tǒng)最初的理論設(shè)計，測試指標來源于生產(chǎn)制造過程，試驗指標來源于出廠驗收階段，而環(huán)境指標則來源于應(yīng)用過程。目前，對于各階段精度的測試，指標體系不完善，概念不一致，行業(yè)應(yīng)用存在差異。在行業(yè)體系的上下游指標要求不標準、設(shè)置不規(guī)范不配套、關(guān)系不科學(xué)、標準體系不完善、參數(shù)不配套、量化細化差，導(dǎo)致精度測試數(shù)據(jù)可操作性差。

（2）可靠性

高精度慣性導(dǎo)航系統(tǒng)的可靠性包括穩(wěn)定性、可靠性和壽命3個方面。在高精度慣性導(dǎo)航系統(tǒng)可靠性的測試中，由于測試數(shù)據(jù)有限，小子樣很難對系統(tǒng)的性能有效估計。同時，可靠性的經(jīng)驗公式通常在少量干擾下能夠較準確地預(yù)估，而對于高精度慣性導(dǎo)航系統(tǒng)，結(jié)構(gòu)和應(yīng)用環(huán)境復(fù)雜，經(jīng)驗數(shù)據(jù)無法準確估計系統(tǒng)可靠性。在實際測試過程中，可靠性的3個方面通常單獨考慮，而忽略了三者之間的物理聯(lián)系。

（3）儲存壽命

在儲存過程中，高精度慣性導(dǎo)航系統(tǒng)需要滿足功能的可靠性，同時還要求滿足精度指標的穩(wěn)定性。這些性能需要在檢測和維修的數(shù)據(jù)中真實反應(yīng)，但目前慣性導(dǎo)航測試系統(tǒng)中對于儲存壽命的判讀缺乏可信度。首先，儲存環(huán)境中各因素對高精度慣性導(dǎo)航系統(tǒng)組件性能的影響因子無法準確確定；其次，缺乏高精度慣性導(dǎo)航系統(tǒng)失效判據(jù)，不能判別系統(tǒng)功能的可靠性，更無法判斷系統(tǒng)精度的變化。

（4）退役

在高精度慣性導(dǎo)航系統(tǒng)退役檢測中包括退役、鑒定和評判3項指標，由于數(shù)據(jù)積累較少，3項指標的準確性和完備性不足。對于3項指標標準的完善和統(tǒng)一，仍然需要大量試驗和數(shù)據(jù)的積累。

3 高精度慣性導(dǎo)航系統(tǒng)大數(shù)據(jù)管理分析系統(tǒng)的需求和目標

慣性導(dǎo)航測試系統(tǒng)大數(shù)據(jù)管理分析系統(tǒng)的建立是為了提供并行計算平臺，并且高效地對慣性導(dǎo)航平臺產(chǎn)生的海量測試數(shù)據(jù)進行處理，進而對數(shù)據(jù)進行管理、融合、分析、挖掘，實現(xiàn)慣性導(dǎo)航測試數(shù)據(jù)分析處理的統(tǒng)一化、批量化、自動化、模板化、重用化。如圖2所示，該目標的實現(xiàn)是完善當前高精度慣性導(dǎo)航系統(tǒng)測試，提高其準確性和高效性不可或缺的步驟。

（1）建立多型號全過程產(chǎn)品數(shù)據(jù)中心

為了高效合理地管控平臺生產(chǎn)的海量測試數(shù)據(jù)，需要建立標準統(tǒng)一、體系完善的數(shù)據(jù)中心。多型號全過程產(chǎn)品數(shù)據(jù)中心是要將系列型號產(chǎn)品參數(shù)、系列品種產(chǎn)品參數(shù)生產(chǎn)過程中的原材料性能參數(shù)、物理成型幾何參數(shù)、元器件性能參數(shù)、儀表集成過程參數(shù)、測試試驗激勵參數(shù)、系統(tǒng)集成性能參數(shù)、環(huán)境適應(yīng)性參數(shù)、儲存應(yīng)用過程參數(shù)、功能精度失效參數(shù)等全方位多角度的產(chǎn)品參數(shù)通過測試采集下來，形成融合理論數(shù)據(jù)、設(shè)計數(shù)據(jù)、制造數(shù)據(jù)、測試數(shù)據(jù)、試驗數(shù)據(jù)、應(yīng)用數(shù)據(jù)、失效數(shù)據(jù)等大量數(shù)據(jù)的全參數(shù)媒體數(shù)據(jù)庫；建立完善的指標體系和標準體系，解決試驗測試中精度標準不統(tǒng)一、可操作性差、可靠性分析預(yù)估不準確、儲存環(huán)境影響量化困難、壽命數(shù)據(jù)缺失等核心關(guān)鍵問題。實現(xiàn)數(shù)據(jù)采集存儲格式統(tǒng)一化、歷史數(shù)據(jù)縱向分析和橫向?qū)Ρ扰炕⑵脚_數(shù)據(jù)處理算法重用化、單元測試與總裝測試數(shù)據(jù)判讀自動化、測試判讀報告模塊化，避免數(shù)據(jù)遺漏和缺失，顯著提高數(shù)據(jù)檢索效率，形成各類型號產(chǎn)品數(shù)據(jù)體系的完整 “檔案”，實現(xiàn)準確高效的取用數(shù)據(jù)。

（2）建立大數(shù)據(jù)多媒體推理專用平臺

如圖3所示，為了更好地挖掘數(shù)據(jù)價值，有效地積累和利用測試數(shù)據(jù)，需要依托數(shù)據(jù)管理分析系統(tǒng)。結(jié)合完備的性能參數(shù)、過程參數(shù)，跨越視覺、文字、語言等不同類型的媒體數(shù)據(jù)，利用智能動態(tài)優(yōu)化技術(shù)，建立慣性導(dǎo)航測試系統(tǒng)大數(shù)據(jù)網(wǎng)絡(luò)媒體推理應(yīng)用平臺，實現(xiàn)數(shù)據(jù)的深度挖掘，實現(xiàn)對現(xiàn)實物理精密結(jié)構(gòu)實體知識、機理、功能、精度、壽命的統(tǒng)一表征，實現(xiàn)數(shù)據(jù)和物理機理的深入關(guān)聯(lián)和理解。

大數(shù)據(jù)網(wǎng)絡(luò)媒體推理應(yīng)用平臺的建設(shè)需要實現(xiàn)測試數(shù)據(jù)的機器學(xué)習、自主學(xué)習、深度學(xué)習和強化學(xué)習，以智能動態(tài)優(yōu)化（IDO）為支撐，利用遺傳算法、粒子群算法、果蠅優(yōu)化算法等先進的數(shù)據(jù)挖掘和分析方法，實現(xiàn)數(shù)據(jù)價值的深入挖掘，從而解決高精度慣性導(dǎo)航系統(tǒng)中表征體系的統(tǒng)一、關(guān)聯(lián)映射的理解和推導(dǎo)、標準體系的優(yōu)化與完善、誤差模型的準確識別和科學(xué)模型的預(yù)估等關(guān)鍵重大問題。

在大數(shù)據(jù)挖掘和機器學(xué)習的基礎(chǔ)上，大數(shù)據(jù)理論可以進一步推進產(chǎn)品設(shè)計改進和性能提升。一方面，依據(jù)對慣性導(dǎo)航系統(tǒng)機理、設(shè)計、生產(chǎn)、測試及應(yīng)用過程中大數(shù)據(jù)的挖掘，可以全面分析系統(tǒng)性能。從產(chǎn)品和型號設(shè)計的角度，可以分析慣性導(dǎo)航系統(tǒng)設(shè)計精度指標分配是否合理，從而在生產(chǎn)過程中對精度的提升有的放矢；從產(chǎn)品和型號的生產(chǎn)角度，可以分析生產(chǎn)和設(shè)計的一致性是否充分發(fā)揮，機械和電氣系統(tǒng)是否滿足兼容性的要求，從而完善設(shè)計方案；從產(chǎn)品和型號的應(yīng)用角度，可以分析系統(tǒng)機動性能、準備時長、使用精度等性能是否滿足實際需求。另一方面，相對于過去的樣本代替全體的統(tǒng)計方法，大數(shù)據(jù)將使用全局的數(shù)據(jù)，統(tǒng)計出來的結(jié)果更為準確。這樣，利用大數(shù)據(jù)平臺將慣性導(dǎo)航系統(tǒng)的設(shè)計、生產(chǎn)和應(yīng)用環(huán)節(jié)緊密聯(lián)系，實現(xiàn)一體化。

基于這樣的高精度慣性導(dǎo)航系統(tǒng)大數(shù)據(jù)管理分析系統(tǒng)框架，一方面，從基本原理的角度可以構(gòu)建現(xiàn)實物理精密結(jié)構(gòu)實體跨媒體知識圖譜、模型、標準、理論，實現(xiàn)跨媒體現(xiàn)實物理精密結(jié)構(gòu)實體的知識演化、推理、預(yù)警、預(yù)測、評價、評估、演繹、饋補、優(yōu)化、簡化；另一方面，從實戰(zhàn)應(yīng)用的角度可以實現(xiàn)現(xiàn)代自主智能控制理論驗證和實踐，從而推動慣性技術(shù)應(yīng)用優(yōu)化，適應(yīng)現(xiàn)代多維立體交叉戰(zhàn)爭中多元裝備自主智能多信息融合協(xié)同精確打擊模式的需求。因此，高精度慣性導(dǎo)航系統(tǒng)測試技術(shù)中大數(shù)據(jù)管理分析平臺的建立是深入理解數(shù)據(jù)物理機理、優(yōu)化系統(tǒng)設(shè)計、提高精度、提升產(chǎn)品可靠性及準確預(yù)估系統(tǒng)壽命等慣性導(dǎo)航關(guān)鍵技術(shù)的必經(jīng)之路。

4 高精度慣性導(dǎo)航系統(tǒng)測試技術(shù)中的大數(shù)據(jù)關(guān)鍵技術(shù)和框架

為了實現(xiàn)高效地慣性導(dǎo)航系統(tǒng)數(shù)據(jù)管理，分析和挖掘體系，需要高精度慣性導(dǎo)航系統(tǒng)全壽命周期測試大數(shù)據(jù)平臺。其中，應(yīng)用的大數(shù)據(jù)關(guān)鍵技術(shù)包括大數(shù)據(jù)形成技術(shù)、大數(shù)據(jù)分析技術(shù)、大數(shù)據(jù)應(yīng)用技術(shù)和大數(shù)據(jù)資源統(tǒng)籌共享技術(shù)這4個方面。

4.1 高精度慣性導(dǎo)航系統(tǒng)大數(shù)據(jù)形成技術(shù)

高精度慣性導(dǎo)航系統(tǒng)大數(shù)據(jù)的形成是大數(shù)據(jù)數(shù)據(jù)庫建立的源頭，是數(shù)據(jù)分析和挖掘的基礎(chǔ)［5-6］，數(shù)據(jù)的形成需要保證數(shù)據(jù)的可靠性和完備性?？煽啃詮臏y試機理、測試方法、測試激勵和測試采集的過程中都要嚴格把關(guān)，保證每個環(huán)節(jié)數(shù)據(jù)真實有效地反映慣導(dǎo)系統(tǒng)的性能。完備性要記錄和保留高精度慣性導(dǎo)航系統(tǒng)從研制、生產(chǎn)、驗收和應(yīng)用各環(huán)節(jié)的測試數(shù)據(jù)，形成完整的測試鏈條，建立產(chǎn)品和型號的完備檔案。

4.2 高精度慣性導(dǎo)航系統(tǒng)大數(shù)據(jù)分析技術(shù)

為實現(xiàn)針對高精度慣性導(dǎo)航系統(tǒng)海量測試數(shù)據(jù)的有效利用分析，采用以Hadoop為基礎(chǔ)的并行大數(shù)據(jù)計算分析平臺，進而實現(xiàn)高精度慣性導(dǎo)航系統(tǒng)測試數(shù)據(jù)的管理、分析、挖掘，完成平臺的可靠性預(yù)測與故障診斷等功能。

（1）數(shù)據(jù)存儲

針對航天大數(shù)據(jù)的特點和處理需求，目前較多采用分布式文件系統(tǒng)來存儲航天數(shù)據(jù)。將數(shù)據(jù)存儲在物理上分散的多個節(jié)點上，對這些資源進行統(tǒng)一的管理和分配，并向用戶提供文件系統(tǒng)訪問接口，可以解決本地文件系統(tǒng)在大小、文件數(shù)量和打開文件數(shù)等方面受限的問題。

在高精度慣性導(dǎo)航系統(tǒng)測試數(shù)據(jù)存儲方面，為面對不斷增長的平臺測試數(shù)據(jù)量及分析需求，可采用HDFS分布式數(shù)據(jù)存儲代替?zhèn)鹘y(tǒng)的以O(shè)rcale為代表的單點存儲模式。HDFS為流式數(shù)據(jù)訪問，可以一次寫入，多次讀取，數(shù)據(jù)通常由數(shù)據(jù)源生成或從數(shù)據(jù)源復(fù)制而來，非常適合當前高精度慣性導(dǎo)航系統(tǒng)產(chǎn)生的海量數(shù)據(jù)存儲與分析［7-9］。

（2）數(shù)據(jù)分析

在高精度慣性導(dǎo)航系統(tǒng)測試數(shù)據(jù)分析方面，Hive技術(shù)提供了一種類SQL語言（HiveQL），可以查詢存儲在HDFS中的數(shù)據(jù)。高精度慣性導(dǎo)航系統(tǒng)大數(shù)據(jù)分析可視為一種數(shù)據(jù)倉儲應(yīng)用程序，而傳統(tǒng)的數(shù)據(jù)倉儲往往使用SQL作為查詢語言。Hive降低了在HDFS上進行慣性導(dǎo)航測試數(shù)據(jù)查詢的難度，更便于開發(fā)人員進行數(shù)據(jù)庫設(shè)計和業(yè)務(wù)分析［10-12］。

（3）數(shù)據(jù)展示

在高精度慣性導(dǎo)航系統(tǒng)大數(shù)據(jù)分析結(jié)果展示以及用戶交互方面，基于JEE+Structs2的Web前端技術(shù)可以用來與Hive以及HDFS進行無縫連接。利用當前廣泛使用的JDBC數(shù)據(jù)操作技術(shù)，測試人員可以方便地上傳慣性導(dǎo)航平臺測試數(shù)據(jù)到分布式系統(tǒng)，并進行存儲分析，分析結(jié)果也可以通過Web頁面方便快速地瀏覽。

（4）挖掘算法

高精度慣性導(dǎo)航系統(tǒng)大數(shù)據(jù)測試分析過程中，針對系統(tǒng)數(shù)據(jù)所涉及的挖掘算法是測試過程的核心［13-18］，算法模型的普適性、擴展性、容錯性是設(shè)計過程中必須考慮的要素。高精度慣性導(dǎo)航系統(tǒng)測試數(shù)據(jù)挖掘目標是從海量的測試數(shù)據(jù)中通過算法搜索出數(shù)據(jù)中的隱藏信息，再將這些信息用于指導(dǎo)高精度慣性導(dǎo)航系統(tǒng)的生產(chǎn)測試過程，這一過程可以被視為高精度慣性導(dǎo)航系統(tǒng)中的自動化故障診斷。高精度慣性導(dǎo)航系統(tǒng)測試數(shù)據(jù)的分析挖掘較適合使用基于統(tǒng)計的故障診斷方法，該方法以統(tǒng)計學(xué)和人工智能為技術(shù)基礎(chǔ)，不需要提供除數(shù)據(jù)以外的任何先驗知識，采用從數(shù)據(jù)中提取的客觀規(guī)則對問題的不確定性進行描述，將大量數(shù)據(jù)融合成有序的層次化故障診斷知識。

故障診斷與健康預(yù)測是一個復(fù)雜的過程，牽涉到大量的試驗數(shù)據(jù)與復(fù)雜的計算模型。故障診斷算法通常與設(shè)計、制造、裝配以及維護保障等工作緊密結(jié)合，核心是對特定模型進行描述、歸納形成故障模式集。該集合可具備多種形態(tài)，如先驗知識集、邏輯規(guī)則集、設(shè)備功能模型集等，分別從專家經(jīng)驗、設(shè)備運行過程以及設(shè)備數(shù)學(xué)模型等角度挖掘故障模式。

（5）數(shù)據(jù)安全

航天數(shù)據(jù)安全是一個復(fù)雜而重要的問題，軍用航天中的關(guān)鍵數(shù)據(jù)通常采用加解密方式傳輸［19-20］。而大數(shù)據(jù)系統(tǒng)通常是分布式的網(wǎng)絡(luò)系統(tǒng)，雖然具有數(shù)據(jù)高效共享的優(yōu)點，但在數(shù)據(jù)安全方面卻存在一定隱患。大數(shù)據(jù)的特點必然會給加解密方式帶來新的挑戰(zhàn)，但也有一些相應(yīng)的可行方案，如利用大數(shù)據(jù)的數(shù)據(jù)價值密度低的特點，在續(xù)傳輸?shù)南嗤瑤瑘D像中插入少量的密文，從而大幅提高數(shù)據(jù)的安全性。

結(jié)合數(shù)據(jù)存儲、數(shù)據(jù)分析、數(shù)據(jù)展示、挖掘算法和數(shù)據(jù)安全這5個方面，可以初步構(gòu)架大數(shù)據(jù)平臺框架，如圖4所示。

4.3 高精度慣性導(dǎo)航系統(tǒng)大數(shù)據(jù)應(yīng)用技術(shù)

在初步設(shè)計框架基礎(chǔ)上，應(yīng)在后續(xù)工作中逐步完善慣性導(dǎo)航測試系統(tǒng)數(shù)據(jù)分析挖掘功能，完成高精度慣性導(dǎo)航系統(tǒng)數(shù)據(jù)分析的遠期規(guī)劃，最終將高精度慣性導(dǎo)航系統(tǒng)大數(shù)據(jù)分析平臺應(yīng)用在生產(chǎn)實踐中，實現(xiàn)高精度慣性導(dǎo)航系統(tǒng)測試的自動化故障診斷，幫助測試人員快速提高測試效率和準確度。

大數(shù)據(jù)分析系統(tǒng)的整體框架包括多源數(shù)據(jù)采集層、數(shù)據(jù)平臺支撐層和數(shù)據(jù)平臺應(yīng)用層3大數(shù)據(jù)模塊［21-22］，如圖5所示。在多源數(shù)據(jù)采集層中，測試設(shè)備將各類測試數(shù)據(jù)采集匯入網(wǎng)絡(luò)數(shù)據(jù)交換設(shè)備，通過數(shù)據(jù)預(yù)處理傳遞給數(shù)據(jù)平臺支撐層。平臺支撐層將數(shù)據(jù)存儲進入數(shù)據(jù)庫，并完成數(shù)據(jù)備份與修復(fù)。最后，當數(shù)據(jù)平臺應(yīng)用層發(fā)送數(shù)據(jù)請求，數(shù)據(jù)平臺支撐層通過數(shù)據(jù)流準確快速地將數(shù)據(jù)傳遞給平臺應(yīng)用層。數(shù)據(jù)平臺應(yīng)用層一方面通過數(shù)據(jù)統(tǒng)計和分析生成形式多樣、可讀性好的判讀報告，另一方面通過數(shù)據(jù)挖掘、機器學(xué)習、人工智能等手段分析系統(tǒng)性能，為產(chǎn)品質(zhì)量的提升、高精度慣性導(dǎo)航系統(tǒng)精度的提高打下基礎(chǔ)。

在高精度慣性導(dǎo)航系統(tǒng)應(yīng)用及儲存過程中，通過完整的大數(shù)據(jù)處理平臺可以實現(xiàn)長期的監(jiān)測慣性導(dǎo)航系統(tǒng)的健康檢測和故障診斷。對于平臺使用數(shù)據(jù)的異常能夠由頂層到底層精確溯源，異常部位準確判斷，快速精準解決問題，從而實現(xiàn)故障監(jiān)測的及時性、早期故障檢測的靈敏性、故障定位和評價的準確性及故障診斷的魯棒性［23］。

4.4 高精度慣性導(dǎo)航系統(tǒng)大數(shù)據(jù)資源統(tǒng)籌共享技術(shù)

大數(shù)據(jù)資源統(tǒng)籌共享技術(shù)要求在保證數(shù)據(jù)安全的基礎(chǔ)上，數(shù)據(jù)形成過程中的參與者打破壁壘，建立數(shù)據(jù)云，形成共享。數(shù)據(jù)共享平臺通常采用分布式系統(tǒng)構(gòu)架，由一個數(shù)據(jù)總中心和若干分中心組成，從而實現(xiàn)數(shù)據(jù)整合、數(shù)據(jù)交換和數(shù)據(jù)共享，形成資源統(tǒng)籌共享服務(wù)網(wǎng)絡(luò)［24-25］。數(shù)據(jù)的采集、集成和整合由車間、研究所、控制系統(tǒng)、總裝測試和靶場測試等底層元數(shù)據(jù)單元完成，并上傳至分中心。各階段用戶通過數(shù)據(jù)總中心索引分中心數(shù)據(jù)，形成數(shù)據(jù)多點互通。

對于底層元數(shù)據(jù)單元，數(shù)據(jù)的加工處理規(guī)范化，形成包含數(shù)據(jù)標識信息、內(nèi)容信息、時間和空間覆蓋信息、人員和權(quán)責信息、關(guān)聯(lián)信息、技術(shù)信息等各個方面信息的結(jié)構(gòu)化數(shù)據(jù)，便于用戶檢索查找［26］。

5 結(jié)論

本文依據(jù)高精度慣性導(dǎo)航測試系統(tǒng)數(shù)據(jù)采集和數(shù)據(jù)管理中存在的大量嚴峻問題，分析了大數(shù)據(jù)在慣性導(dǎo)航測試系統(tǒng)中的使用需求。結(jié)合數(shù)據(jù)分析中數(shù)據(jù)采集、數(shù)據(jù)存儲、數(shù)據(jù)分析、數(shù)據(jù)展示、挖掘算法、數(shù)據(jù)安全的關(guān)鍵技術(shù)，構(gòu)建了慣性導(dǎo)航測試系統(tǒng)以多源數(shù)據(jù)采集層、數(shù)據(jù)平臺支撐層和數(shù)據(jù)平臺應(yīng)用層為3大模塊的大數(shù)據(jù)分析平臺基本框架。利用大數(shù)據(jù)資源統(tǒng)籌共享技術(shù)進行數(shù)據(jù)挖掘和決策分析，從而優(yōu)化產(chǎn)品應(yīng)用。大數(shù)據(jù)平臺為高精度慣性導(dǎo)航系統(tǒng)優(yōu)化設(shè)計、提升精度、保障產(chǎn)品可靠性、合理預(yù)估系統(tǒng)壽命及適應(yīng)未來戰(zhàn)爭提供了重要支撐，當以重視。

［1］張炎華，王立端，戰(zhàn)興群，等.慣性導(dǎo)航技術(shù)的新進展及發(fā)展趨勢［J］. 中國造船， 2008， 49（s1）： 134-144.ZHANG Yan-hua， WANG Li-duan， ZHAN Xing-qun， et al.The new advancement and trend of inertial navigation technology ［J］.Shipbuilding of China， 2008， 49（s1）：134-144.

［2］ 周世勤.新型慣性技術(shù)的發(fā)展［J］.飛航導(dǎo)彈，2001（6）： 70-77.ZHOU Shi-qin.The development of new types of inertial technology ［J］.Aerodynamic Missile Journal， 2001（6）：70-77.

［3］謝世富.導(dǎo)航技術(shù)與系統(tǒng)發(fā)展述評［J］.電子質(zhì)量，1995（1）： 9-16.XIE Shi-fu.The development overview of inertial technol-ogy and system ［J］.Electronics Quality， 1995（1）： 9-16.

［4］薛連莉，陳少春，陳效真.2016年國外慣性技術(shù)發(fā)展與回顧［J］. 導(dǎo)航與控制， 2017， 16（3）： 105-112+84.XUE Lian-li， CHEN Shao-chun， CHEN Xiao-zhen.Development and review of foreign inertial technology in 2016［J］.Navigation and Control， 2017， 16（3）： 105-112+84.

［5］李水平，陳意云，黃劉生.數(shù)據(jù)采掘技術(shù)回顧［J］.小型微型計算機系統(tǒng)， 1998， 19（4）： 74-81.LI Shui-ping， CHEN Yi-yun， HUANG Liu-sheng.A technology overview of data mining ［J］.Journal of Chinese Computer Systems， 1998， 19（4）： 74-81.

［6］韓京宇，徐立臻，董逸生.數(shù)據(jù)質(zhì)量研究綜述［J］.計算機科學(xué)， 2008， 35（2）： 1-5+12.HAN Jing-yu， XU Li-zhen， DONG Yi-sheng. An overview of data quality research ［J］.Computer Science，2008， 35（2）： 1-5+12.

［7］唐箭.云存儲系統(tǒng)的分析與應(yīng)用研究［J］.電腦知識與技術(shù)， 2009， 5（20）： 5337-5338+5340.TANG Jian.Research and application of the cloud computation storage system ［J］.Computer Knowledge and Technology， 2009， 5（20）： 5337-5338+5340.

［8］陳全，鄧倩妮.云計算及其關(guān)鍵技術(shù)［J］.計算機應(yīng)用， 2009， 29（9）： 2562-2567.CHEN Quan，DENG Qian-ni.Cloud computing and its key techniques ［J］.Journal of Computer Applications，2009， 29（9）： 2562-2567.

［9］羅春榮.國外網(wǎng)絡(luò)數(shù)據(jù)庫：當前特點與發(fā)展趨勢［J］.中國圖書館學(xué)報， 2003， 29（3）： 44-47.LUO Chun-rong.Online databases in foreign countries：present characteristics and development trends［J］.Journal of Library Science in China， 2003， 29（3）： 44-47.

［10］高翔，王勇.數(shù)據(jù)融合技術(shù)綜述［J］.計算機測量與控制， 2002， 10（11）： 706-709.GAO Xiang，WANG Yong.Survey of multisensor information fusion ［J］.Computer Measurement ＆ Control，2002， 10（11）： 706-709.

［11］林士敏，田鳳占，陸玉昌.用于數(shù)據(jù)采掘的貝葉斯分類器研究［J］. 計算機科學(xué)， 2000， 27 （10）：73-76.LIN Shi-min， TIAN Feng-zhan， LU Yu-chang.Studies on Bayesian classifier in data mining ［J］.Computer Science， 2000， 27（10）： 73-76.

［12］胡金星，吳煥萍，潘懋，等.基于格網(wǎng)劃分的海量DEM數(shù)據(jù)生成［J］.計算機輔助設(shè)計與圖形學(xué)學(xué)報，2004， 16（1）： 41-44.HU Jin-xing， WU Huan-ping， PAN Mao， et al.Massive DEM creation with grid partitioning approach ［J］.Journal of Computer Aided Design ＆ Computer Graphics，2004， 16（1）： 41-44.

［13］黃解軍，潘和平，萬幼川.數(shù)據(jù)挖掘技術(shù)的應(yīng)用研究［J］. 計算機工程與應(yīng)用， 2003， 39（2）： 45-48.HUANG Jie-jun， PAN He-ping， WAN You-chuan.Application research on the technology of data mining ［J］.Computer Engineering and Applications， 2003， 39（2）：45-48.

［14］汪明.數(shù)據(jù)挖掘綜述［J］.河北軟件職業(yè)技術(shù)學(xué)院學(xué)報， 2001， 14（1）： 48-55.WANG Ming.Survey of data mining ［J］.Journal of Hebei Software Institute， 2001， 14（1）： 48-55.

［15］談恒貴，王文杰，李游華.數(shù)據(jù)挖掘分類算法綜述［J］. 微型機與應(yīng)用， 2005， 24（2）： 4-6+9.TAN Heng-gui， WANG Wen-jie， LI You-hua.An overview of data mining sorting algorithms［J］.Microcomputer ＆ Its Applications， 2005， 24（2）： 4-6+9.

［16］呂安民，林宗堅，李成名.數(shù)據(jù)挖掘和知識發(fā)現(xiàn)的技術(shù)方法［J］. 測繪科學(xué)， 2000， 25（4）： 36-39.LV An-min， LIN Zong-jian， LI Cheng-ming.Technique methods of data mining and KDD ［J］.Developments in Surveying and Mapping， 2000， 25（4）： 36-39.

［17］張雪英.國外先進數(shù)據(jù)挖掘工具的比較分析［J］.計算機工程， 2003， 29（16）： 1-3.ZHANG Xue-ying.Analysis and comparison of overseas leading data mining tools ［J］.Computer Engineering，2003， 29（16）： 1-3.

［18］馬江洪，張文修，徐宗本.數(shù)據(jù)挖掘與數(shù)據(jù)庫知識發(fā)現(xiàn)： 統(tǒng)計學(xué)的觀點［J］. 工程數(shù)學(xué)學(xué)報， 2002， 19（1）：1-13.MA Jiang-hong， ZHANG Wen-xiu， XU Zong-ben.Data mining and knowledge discovery in database：a statistical viewpoint［J］.Chinese Journal of Engineering Mathematics， 2002， 19（1）： 1-13.

［19］周水庚，李豐，陶宇飛，等.面向數(shù)據(jù)庫應(yīng)用的隱私保護 研 究 綜 述 ［J］. 計 算 機 學(xué) 報， 2009， 32（5）：847-861.ZHOU Shui-geng， LI Feng， TAO Yu-fei， et al.Privacy preservation in database applications： a survey ［J］.Chinese Journal of Computers， 2009， 32（5）： 847-861.

［20］張云勇，陳清金，潘松柏，等.云計算安全關(guān)鍵技術(shù)分析［J］. 電信科學(xué)， 2010， 26（9）： 64-69.ZHANG Yun-yong， CHEN Qing-jin， PAN Song-bai， et al.Key security technologies on cloud computing ［J］.Telecommunications Science， 2010， 26（9）： 64-69.

［21］李敏強，紀仕光，陳富贊，等.數(shù)據(jù)倉庫系統(tǒng)的結(jié)構(gòu)與設(shè)計研究［J］. 決策與決策支持系統(tǒng)， 1997， 7（2）：23-31.LI Min-qiang， JI Shi-guang， CHEN Fu-zan， et al.Date warehouse architecture and system design ［J］.Journal of Decision and Decision Support Systems， 1997， 7（2）： 23-31.

［22］錢曉江.物流信息系統(tǒng)體系結(jié)構(gòu)［J］.東南大學(xué)學(xué)報（自然科學(xué)版）， 2001， 31（6）： 40-44.QIAN Xiao-jiang.Architecture design of logistics information system ［J］.Journal of Southeast University （Natural Science Edition）， 2001， 31（6）： 40-44.

［23］王宏鼎，童云海，譚少華，等.異常點挖掘研究進展［J］. 智能系統(tǒng)學(xué)報， 2006， 1（1）： 67-73.WANG Hong-ding， TONG Yun-hai， TAN Shao-hua， et al.Research progress on outlier mining ［J］.CAAI Transactions on Intelligent Systems， 2006， 1（1）： 67-73.

［24］王常力.分布式控制系統(tǒng)的現(xiàn)狀與發(fā)展［J］.電氣時代， 2004（1）： 82-86.WANG Chang-li.The status and development of distributed computer control dystems ［J］.Electric Age， 2004（1）： 82-86.

［25］蔣良孝，蔡之華.分布式數(shù)據(jù)挖掘研究［J］.計算機與現(xiàn)代化， 2002（9）： 4-7.JIANG Liang-xiao，CAI Zhi-hua.The research of the distributed data mining ［J］.Computer and Modernization，2002（9）： 4-7.

［26］連立貴，金鳳，蔡家楣.數(shù)據(jù)倉庫中的數(shù)據(jù)提?。跩］.計算機工程， 2001， 27（9）： 61-62+99.LIAN Li-gui， JIN Feng， CAI Jia-mei.Data extraction in data warehouse ［J］.Computer Engineering， 2001， 27（9）： 61-62+99.