羅曉亮，涂 龍，王浩旭，王曉晶，胡振峰，喻凡坤，梁秀兵

(軍事科學(xué)院國(guó)防科技創(chuàng)新研究院 前沿交叉技術(shù)研究中心，北京 100071)

0 引言

智能化與無(wú)人化是面向未來(lái)智能化戰(zhàn)爭(zhēng)武器裝備的發(fā)展趨勢(shì)。由于無(wú)人機(jī)具有空戰(zhàn)的隱蔽性和作戰(zhàn)效率，有效降低了危險(xiǎn)區(qū)域作戰(zhàn)人員傷亡的風(fēng)險(xiǎn)，在當(dāng)前信息化和智能化戰(zhàn)爭(zhēng)中發(fā)揮的作用也日漸凸顯。無(wú)人機(jī)是集光機(jī)電控制于一體的大型復(fù)雜系統(tǒng)，造價(jià)和保障費(fèi)用高昂，重復(fù)使用飛行頻次高，要求具有狀態(tài)監(jiān)測(cè)、故障診斷和預(yù)測(cè)等安全保障能力，進(jìn)一步實(shí)現(xiàn)系統(tǒng)的自主修復(fù)和長(zhǎng)期高可靠運(yùn)行，因而對(duì)故障預(yù)測(cè)與健康管理(PHM)技術(shù)需求極為迫切[1]。無(wú)人機(jī)的使用維修費(fèi)用占從制造到退役全生命周期總費(fèi)用的70%以上，基于復(fù)雜系統(tǒng)魯棒性、可靠性、安全性及經(jīng)濟(jì)性考慮，PHM對(duì)無(wú)人機(jī)的全壽命周期使用及維護(hù)保障起到至關(guān)重要的作用，因而得到越來(lái)越多的重視和應(yīng)用。目前，美國(guó)、英國(guó)、以色列等國(guó)軍方已將PHM技術(shù)廣泛應(yīng)用于各型無(wú)人機(jī)[2-4]。

PHM技術(shù)是通過(guò)先進(jìn)傳感器采集的數(shù)據(jù)信息，結(jié)合相關(guān)算法和模型來(lái)診斷系統(tǒng)故障，借助推理模型來(lái)預(yù)測(cè)系統(tǒng)及關(guān)鍵部位的健康狀態(tài)，實(shí)現(xiàn)基于設(shè)備狀態(tài)(歷史、當(dāng)前和未來(lái)狀態(tài))的智能維護(hù)，達(dá)到系統(tǒng)視情維修的目的，以取代傳統(tǒng)基于事件的事后維修或基于時(shí)間的定期維修[5]。并且PHM技術(shù)能夠在準(zhǔn)確的時(shí)間對(duì)無(wú)人機(jī)準(zhǔn)確的部位進(jìn)行精準(zhǔn)的維修保障，提高無(wú)人機(jī)保障自主性和系統(tǒng)安全性，降低使用與維護(hù)費(fèi)用[6]。作為提高無(wú)人機(jī)系統(tǒng)可靠性、維修性、測(cè)試性、保障性和安全性的一項(xiàng)關(guān)鍵技術(shù)，無(wú)人機(jī)PHM技術(shù)受到各國(guó)軍方的廣泛關(guān)注，是無(wú)人機(jī)自主維修保障領(lǐng)域的重要技術(shù)發(fā)展趨勢(shì)。

1 無(wú)人機(jī)PHM技術(shù)國(guó)內(nèi)外發(fā)展現(xiàn)狀

隨著智能化戰(zhàn)爭(zhēng)的逐步來(lái)臨，無(wú)人機(jī)在戰(zhàn)場(chǎng)上的應(yīng)用也越來(lái)越廣泛，國(guó)內(nèi)外關(guān)于無(wú)人機(jī)故障預(yù)測(cè)與健康管理的研究也逐漸興起。無(wú)人機(jī)屬于高度智能化的復(fù)雜裝備，由于平臺(tái)無(wú)人且工作在惡劣對(duì)抗環(huán)境下，無(wú)人機(jī)故障預(yù)測(cè)與健康管理的技術(shù)難度遠(yuǎn)高于傳統(tǒng)裝備。也正因?yàn)槿绱?，無(wú)人機(jī)相比傳統(tǒng)武器裝備更需要高性能的故障預(yù)測(cè)與健康管理技術(shù)為戰(zhàn)斗力提供持久保障。從近五年的國(guó)內(nèi)外公開(kāi)發(fā)表的文獻(xiàn)來(lái)看，關(guān)于無(wú)人機(jī)故障預(yù)測(cè)與健康管理的學(xué)術(shù)研究尚處于早期階段，美英等西方國(guó)家在無(wú)人機(jī) PHM 技術(shù)研究走在前列，我國(guó)相關(guān)科研機(jī)構(gòu)保持了有力的跟進(jìn)態(tài)勢(shì)。從具體研究?jī)?nèi)容上來(lái)看，無(wú)人機(jī)PHM技術(shù)的研究?jī)?nèi)容主要體現(xiàn)在電力系統(tǒng)及剩余壽命、任務(wù)規(guī)劃的監(jiān)測(cè)以及系統(tǒng)設(shè)計(jì)三個(gè)方面。

在無(wú)人機(jī)電力系統(tǒng)及剩余壽命的PHM研究方面，美國(guó)智利大學(xué)電機(jī)工程系的G.Sierra研究組對(duì)小型旋翼電動(dòng)無(wú)人機(jī)的電池健康管理進(jìn)行了研究。該研究組設(shè)計(jì)的旋翼無(wú)人機(jī)電池管理系統(tǒng)可準(zhǔn)確估算充電狀態(tài)，通過(guò)使用基于模型的預(yù)測(cè)架構(gòu)來(lái)預(yù)測(cè)小型多轉(zhuǎn)子鋰聚合物電池的放電終止時(shí)間，并且該架構(gòu)可在低成本硬件中高效地實(shí)現(xiàn)，為無(wú)人機(jī)實(shí)現(xiàn)目標(biāo)任務(wù)提供有力保障[7]。斯特拉斯克萊德大學(xué)能源與環(huán)境研究所Rory Telford研究組，對(duì)基于隱馬爾可夫模型的無(wú)人機(jī)電網(wǎng)故障分類與診斷系統(tǒng)進(jìn)行了研究。結(jié)果表明：該系統(tǒng)具有故障的自主檢測(cè)和分類，以及評(píng)估各種電力系統(tǒng)故障嚴(yán)重性的能力，可以實(shí)現(xiàn)故障的精確分類，并且具有較高的診斷精度，有助于和改善電力系統(tǒng)健康管理和控制[8]。美國(guó)宇航局艾姆斯研究中心的Shankar Sankararaman研究組針對(duì)無(wú)人機(jī)載荷變化特性，提出了一種用于表征和量化無(wú)人機(jī)起飛過(guò)程中功率需求計(jì)算方法。無(wú)人機(jī)的飛行能力由電池中的電荷量來(lái)驅(qū)動(dòng)，基于無(wú)人機(jī)的電源和充電需求，設(shè)計(jì)了無(wú)人機(jī)電源系統(tǒng)。通過(guò)飛行測(cè)試獲得的信息被轉(zhuǎn)換為多維稀疏數(shù)據(jù)，并且提出了一種基于多維稀疏數(shù)據(jù)表征電池電量變化的新方法，能夠預(yù)測(cè)未來(lái)的充電需求，進(jìn)而計(jì)算電池的放電終止時(shí)間，最終計(jì)算出電源系統(tǒng)的剩余使用壽命[9]。

在無(wú)人機(jī)任務(wù)規(guī)劃的PHM研究方面，哈爾濱工業(yè)大學(xué)劉大同教授研究組研究了基于飛行模式識(shí)別的無(wú)人機(jī)飛行數(shù)據(jù)估計(jì)與預(yù)測(cè)混合方法，可快速準(zhǔn)確的實(shí)現(xiàn)無(wú)人機(jī)飛行狀態(tài)跟蹤。針對(duì)建立復(fù)雜系統(tǒng)的精確物理模型的困難性，以及飛行數(shù)據(jù)中含有非線性、不確定性和噪聲等問(wèn)題，提出了一種基于飛行模式識(shí)別的無(wú)跡卡爾曼濾波混合方法。該方法結(jié)合了兩種思想：1)利用飛行模式識(shí)別機(jī)制將無(wú)人機(jī)飛行數(shù)據(jù)劃分為不同的段，提高了估計(jì)和預(yù)測(cè)模型的適應(yīng)性；2)根據(jù)不同的飛行模式，從飛行數(shù)據(jù)中學(xué)習(xí)高斯過(guò)程遞推模型，并將其作為各無(wú)跡卡爾曼濾波器(UKF)的狀態(tài)轉(zhuǎn)移方程，以實(shí)現(xiàn)更高的估計(jì)精度和不確定性表示?；趯?shí)際無(wú)人機(jī)飛行數(shù)據(jù)的實(shí)驗(yàn)，成功驗(yàn)證了該框架的有效性[10-11]。巴西國(guó)家空間研究院的Rafael Santos等學(xué)者研究了基于PHM的多無(wú)人機(jī)任務(wù)分配問(wèn)題。無(wú)人機(jī)集群的剩余使用壽命通過(guò)基于概率密度函數(shù)的故障樹(shù)分析計(jì)算得出，并且概率密度函數(shù)與各無(wú)人機(jī)關(guān)鍵部件的時(shí)間和故障概率有關(guān)，通過(guò)使用后退地平線任務(wù)分配算法實(shí)現(xiàn)了基于無(wú)人機(jī)健康狀況(主要是剩余使用壽命)的任務(wù)分配，可以避免計(jì)劃外中斷影響無(wú)人機(jī)任務(wù)的執(zhí)行[12]。

在無(wú)人機(jī)PHM系統(tǒng)設(shè)計(jì)方面，空軍工程大學(xué)的馮國(guó)強(qiáng)研究組利用生物學(xué)中的自平衡理論進(jìn)行無(wú)人機(jī)容錯(cuò)控制與故障診斷系統(tǒng)設(shè)計(jì)，通過(guò)設(shè)計(jì)“平衡點(diǎn)”確定無(wú)人機(jī)的安全狀態(tài)，將容錯(cuò)控制與故障診斷應(yīng)用于故障預(yù)測(cè)和健康管理[13]。中國(guó)電子科技集團(tuán)公司第五十四研究所的雷耀麟等人設(shè)計(jì)了基于遙測(cè)數(shù)據(jù)及智能解譯的無(wú)人機(jī)故障預(yù)測(cè)與健康管理系統(tǒng)，且利用模擬故障樣本對(duì)故障預(yù)測(cè)算法進(jìn)行了仿真實(shí)驗(yàn)，表明無(wú)人機(jī)故障預(yù)測(cè)系統(tǒng)具有良好的故障檢測(cè)能力[14]。空軍工程大學(xué)的佘代銳等人設(shè)計(jì)了一種基于無(wú)線傳感器網(wǎng)絡(luò)的故障預(yù)測(cè)與健康管理系統(tǒng)，提出傳感器節(jié)點(diǎn)連通和覆蓋模型，實(shí)現(xiàn)了無(wú)人機(jī)機(jī)載傳感器無(wú)尺度拓?fù)渚W(wǎng)絡(luò)構(gòu)建成本的最小化[15]。陸軍工程大學(xué)的蘇續(xù)軍等人提出利用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)無(wú)人機(jī)系統(tǒng)故障的方法，給出了BP神經(jīng)網(wǎng)絡(luò)的建模和計(jì)算方法，計(jì)算表明該方法可用于無(wú)人機(jī)故障預(yù)測(cè)[16]。

2 無(wú)人機(jī)PHM體系框架

無(wú)人系統(tǒng)的傳感器從各部件、各設(shè)備和各系統(tǒng)采集的數(shù)據(jù)信息經(jīng)數(shù)據(jù)處理后，狀態(tài)監(jiān)測(cè)層通過(guò)比較提取的特征值與閾值的大小，來(lái)判斷故障與否，對(duì)發(fā)生故障的部件進(jìn)行故障診斷，追尋故障原因及位置，而狀態(tài)良好的部件依據(jù)失效機(jī)理預(yù)測(cè)其剩余壽命，最后PHM系統(tǒng)根據(jù)無(wú)人系統(tǒng)的健康狀態(tài)和任務(wù)需求提供決策信息[6]。由于無(wú)人系統(tǒng)零部件多、設(shè)備復(fù)雜且耦合、數(shù)據(jù)采集量大等因素，體系構(gòu)架用傳統(tǒng)的分布式會(huì)導(dǎo)致各分系統(tǒng)數(shù)據(jù)信息難以集成，而集中式構(gòu)架對(duì)于海量數(shù)據(jù)的處理會(huì)出現(xiàn)遲緩，無(wú)法完成實(shí)時(shí)反饋；因此無(wú)人系統(tǒng)PHM體系構(gòu)架采用分布式和集中式相結(jié)合的方式。圖1是無(wú)人機(jī)PHM系統(tǒng)拓?fù)浣Y(jié)構(gòu)，按照系統(tǒng)層級(jí)，無(wú)人機(jī)PHM系統(tǒng)分為系統(tǒng)層、分系統(tǒng)層、設(shè)備層和關(guān)鍵部件層。由圖可知，底下三層采用分布式體系構(gòu)架，關(guān)鍵部件層和設(shè)備層收集并形成各自的狀態(tài)數(shù)據(jù)，將各自的狀態(tài)信息上傳給對(duì)應(yīng)的上一層；分系統(tǒng)層對(duì)傳來(lái)的數(shù)據(jù)進(jìn)行分析、融合等處理，完成各分系統(tǒng)的健康狀態(tài)評(píng)估，并將診斷、預(yù)測(cè)等結(jié)果集中上傳到系統(tǒng)層。PHM中的系統(tǒng)層采用集中式體系構(gòu)架，主要獲取各分系統(tǒng)層的健康狀態(tài)及其變化信息，結(jié)合歷史數(shù)據(jù)庫(kù)和專家知識(shí)對(duì)無(wú)人機(jī)的非正常狀態(tài)進(jìn)行故障診斷、健康評(píng)估、故障預(yù)測(cè)等，實(shí)現(xiàn)自主決策，達(dá)到輔助維修人員的目的。

圖1 無(wú)人機(jī)PHM系統(tǒng)拓?fù)浣Y(jié)構(gòu)

3 無(wú)人機(jī)PHM技術(shù)的關(guān)鍵技術(shù)研究

按照功能劃分，無(wú)人機(jī)PHM技術(shù)主要包含兩方面：故障預(yù)測(cè)和健康管理。故障預(yù)測(cè)即預(yù)先診斷和測(cè)算無(wú)人機(jī)系統(tǒng)或部件的工作狀態(tài)與正常值的偏差程度，進(jìn)而推斷其剩余壽命；健康管理即根據(jù)診斷預(yù)測(cè)結(jié)果，使用故障模型和維修資源對(duì)維修保障做出適當(dāng)決策，包括故障建模、狀態(tài)監(jiān)測(cè)、數(shù)據(jù)處理、綜合診斷、健康管理、維修決策等。如圖2所示：具體包括數(shù)據(jù)采集和傳感器技術(shù)、數(shù)據(jù)通信技術(shù)、數(shù)據(jù)預(yù)處理技術(shù)、數(shù)據(jù)融合技術(shù)、狀態(tài)監(jiān)控和故障預(yù)測(cè)技術(shù)等。

圖2 無(wú)人機(jī)PHM系統(tǒng)關(guān)鍵技術(shù)結(jié)構(gòu)框圖

3.1 數(shù)據(jù)采集和傳感器技術(shù)

數(shù)據(jù)采集需要依靠先進(jìn)的傳感器技術(shù)[17]，而傳感器獲得的狀態(tài)參數(shù)是無(wú)人機(jī)PHM系統(tǒng)的數(shù)據(jù)基礎(chǔ)，因此數(shù)據(jù)采集和傳感器技術(shù)將直接影響PHM系統(tǒng)的整體效能，因此數(shù)據(jù)采集和傳感器技術(shù)將直接影響PHM系統(tǒng)的整體效果。無(wú)人機(jī)PHM系統(tǒng)要求傳感器具有體積小、重量輕，能和其它傳感器聯(lián)網(wǎng)優(yōu)化，可適應(yīng)惡劣的工作條件和環(huán)境，能屏蔽電磁干擾等特點(diǎn)。目前傳感器技術(shù)有兩大研究方向：1)單個(gè)傳感器的技術(shù)革新；2)多傳感器之間的網(wǎng)絡(luò)布局。傳感器在極端環(huán)境下的數(shù)據(jù)監(jiān)測(cè)一直是一大難點(diǎn)，中國(guó)航發(fā)動(dòng)力所李軍等[18]提出航空發(fā)動(dòng)機(jī)載荷、轉(zhuǎn)速和溫度數(shù)據(jù)的獲取依賴于滑油金屬屑末檢測(cè)傳感器、滑油成分監(jiān)測(cè)傳感器；Ari Novis[19]等分析了美國(guó)聯(lián)合攻擊戰(zhàn)斗機(jī)(joint strike fighter，JSF)發(fā)動(dòng)機(jī)氣路顆粒荷電信息的監(jiān)測(cè)問(wèn)題，提出IDMS(吸入物監(jiān)測(cè)系統(tǒng))和EDMS(發(fā)動(dòng)機(jī)損失監(jiān)測(cè)系統(tǒng))能進(jìn)行實(shí)時(shí)監(jiān)控；Sanjay Garg[20]等總結(jié)了各類傳感器在發(fā)動(dòng)機(jī)PHM管理中的重要作用；由此可見(jiàn)，特殊部件的數(shù)據(jù)監(jiān)測(cè)需要傳感器性能的技術(shù)革新。另外，大量傳感器協(xié)同采集無(wú)人機(jī)系統(tǒng)的數(shù)據(jù)，可實(shí)現(xiàn)數(shù)據(jù)信息精確獲取，工業(yè)和信息化部電子第五研究所攻克了大規(guī)模傳感器網(wǎng)絡(luò)測(cè)試關(guān)鍵技術(shù)，提高了數(shù)據(jù)監(jiān)測(cè)的精度[21]。

3.2 數(shù)據(jù)預(yù)處理和數(shù)據(jù)挖掘技術(shù)

由于傳感器自身性能、所處的工作環(huán)境等因素，傳感器采集的數(shù)據(jù)會(huì)受到噪聲等干擾，得到的數(shù)據(jù)具有隨機(jī)性、模糊性以及不確定性，因此需要對(duì)采集的原始數(shù)據(jù)進(jìn)行數(shù)據(jù)的預(yù)處理和挖掘提取，數(shù)據(jù)預(yù)處理主要包括: 數(shù)據(jù)清洗、數(shù)據(jù)集成、數(shù)據(jù)變換。1)數(shù)據(jù)清洗(Data Cleaning)通過(guò)修補(bǔ)、剔除大量數(shù)據(jù)中不完整或者不合理的數(shù)據(jù)，來(lái)提高數(shù)據(jù)質(zhì)量。傳感器采集的海量數(shù)據(jù)一般存在數(shù)據(jù)缺失，由于無(wú)人機(jī)PHM系統(tǒng)的復(fù)雜性，數(shù)據(jù)模型難以建立，通常使用基于數(shù)據(jù)驅(qū)動(dòng)的數(shù)據(jù)補(bǔ)充法，王林[22]分析了民用飛機(jī)缺失數(shù)據(jù)，提出數(shù)據(jù)補(bǔ)充準(zhǔn)則，通過(guò)數(shù)據(jù)實(shí)驗(yàn)證明多重補(bǔ)充法可以較好的保持?jǐn)?shù)據(jù)之間的關(guān)系。無(wú)人機(jī)PHM系統(tǒng)故障和傳感器的異常都會(huì)導(dǎo)致異常數(shù)據(jù)的產(chǎn)生，朱倩雯[23]等采用的基于四分位算法，對(duì)不同類型、不同數(shù)量異常數(shù)據(jù)的剔除效果顯著。對(duì)于含有噪聲的數(shù)據(jù)進(jìn)行分箱法、高斯濾波法和回歸法處理。2)數(shù)據(jù)集成(Data Integration)是將多來(lái)源、多格式、不同特性的數(shù)據(jù)通過(guò)一定的特征規(guī)則有機(jī)集中起來(lái)?，F(xiàn)階段，無(wú)人機(jī)全壽命周期數(shù)據(jù)存儲(chǔ)分散，(計(jì)算機(jī)、文本資料等)，缺乏統(tǒng)一的數(shù)據(jù)管理模式[24]。傳統(tǒng)的數(shù)據(jù)倉(cāng)庫(kù)或者數(shù)據(jù)聯(lián)合方法不能滿足數(shù)據(jù)實(shí)時(shí)處理的需求，因此數(shù)據(jù)集成技術(shù)朝著具有搜索引擎功能的方向發(fā)展，如知識(shí)圖譜、云存儲(chǔ)等。3)數(shù)據(jù)變換(Data Transformation)的目的是找到數(shù)據(jù)的特征，在保證數(shù)據(jù)質(zhì)量的前提下，改變數(shù)據(jù)維度來(lái)減少有效變量。主要轉(zhuǎn)換方法：數(shù)據(jù)規(guī)范化處理，縮放數(shù)據(jù)特征，使原始數(shù)據(jù)盡量映射到較小的特定區(qū)域；規(guī)范化處理，如最大-最小規(guī)范化和零一規(guī)范化等。

數(shù)據(jù)挖掘是從海量的、模糊的、隨機(jī)的數(shù)據(jù)中提取隱含的、具有潛在應(yīng)用價(jià)值信息的過(guò)程。無(wú)人機(jī)PHM數(shù)據(jù)挖掘常用方法有分類、回歸和聚類，基于預(yù)處理的海量數(shù)據(jù)，挖掘其隱藏信息，并利用可視化技術(shù)展示挖掘出的相關(guān)知識(shí)，滿足無(wú)人機(jī)PHM數(shù)據(jù)的需求。1)分類算法，是一種有監(jiān)督學(xué)習(xí)算法，利用分類器將有標(biāo)簽的數(shù)據(jù)分類，將未知屬性的數(shù)據(jù)映射到已存在的數(shù)據(jù)類別中；常見(jiàn)的有SVM、LR、KNN和決策樹(shù)等。洪翠[25]等利用改進(jìn)的多分類SVM方法，有效識(shí)別了配電網(wǎng)故障類型。2)回歸算法，通過(guò)函數(shù)描述數(shù)據(jù)間的映射關(guān)系，來(lái)預(yù)測(cè)輸入變量和輸出變量之間的關(guān)系；代表性的有線性回歸、多元回歸和嶺回歸(Ridge Regression)。張鵬飛[26]等基于某城市配電網(wǎng)的故障報(bào)修數(shù)據(jù)，采用多元回歸獲得了變量和故障量關(guān)系，實(shí)現(xiàn)了配電網(wǎng)故障數(shù)量較高精度的短期預(yù)測(cè)。3)聚類算法，將沒(méi)有標(biāo)簽的數(shù)據(jù)，根據(jù)相似度把數(shù)據(jù)自動(dòng)歸類，是典型的無(wú)監(jiān)督學(xué)習(xí)算法；K-means、C均值等算法應(yīng)用廣泛。孫鶴旭[27]等提出一種基于并行化的改進(jìn)模糊C-均值聚類的風(fēng)電機(jī)組發(fā)電機(jī)故障診斷方法，可以精確判別發(fā)電機(jī)的故障模式。

3.3 數(shù)據(jù)通信技術(shù)

傳感器采集的大量數(shù)據(jù)經(jīng)過(guò)數(shù)據(jù)預(yù)處理和數(shù)據(jù)挖掘后，需要正確、通暢、安全地傳輸?shù)絇HM系統(tǒng)的其他部分，如采集導(dǎo)航、姿態(tài)等數(shù)據(jù)信息都需要串口與機(jī)載單片機(jī)進(jìn)行通信，從而實(shí)現(xiàn)整個(gè)系統(tǒng)的一體化、網(wǎng)絡(luò)化和信息化。目前無(wú)人系統(tǒng)數(shù)據(jù)間的傳輸方式主要有兩種：有線數(shù)據(jù)傳輸和無(wú)線數(shù)據(jù)傳輸。有線數(shù)據(jù)傳輸大多用于機(jī)載系統(tǒng)或者設(shè)備之間的數(shù)據(jù)傳輸和資源共享，在信號(hào)的穩(wěn)定性和傳輸速率上有著天然的優(yōu)勢(shì)。有線數(shù)據(jù)傳輸中采用了總線技術(shù)，在軍民飛機(jī)有著廣泛的應(yīng)用，如F-16、F117、幻影2000、空中客車A340等普遍采用了總線技術(shù)。無(wú)線數(shù)據(jù)傳輸系統(tǒng)由一系列分布式傳感器(微處理器、無(wú)線傳輸器、數(shù)據(jù)采集電路等)組件構(gòu)成，常用于機(jī)載系統(tǒng)與外界的數(shù)據(jù)傳輸，主要通過(guò)中繼衛(wèi)星、微波、藍(lán)牙、WIFI等方式，中繼衛(wèi)星可以覆蓋地球大部分區(qū)域，不受回傳距離限制，但數(shù)據(jù)傳輸速率低；微波可以較長(zhǎng)距離數(shù)據(jù)傳輸，靈活便捷，但容易收到外界電磁、地形環(huán)境等因素干擾；藍(lán)牙的數(shù)據(jù)傳輸范圍極小，但成本低且體積小；WIFI的數(shù)據(jù)傳輸范圍比藍(lán)牙稍大，只適用于超視距飛行小型無(wú)人機(jī)，但WIFI的通信頻段沒(méi)有限制，有著廣泛的應(yīng)用。

3.4 多傳感器數(shù)據(jù)融合技術(shù)

在無(wú)人機(jī)PHM系統(tǒng)中，多傳感器數(shù)據(jù)融合技術(shù)是指將單一或者多傳感器采集的數(shù)據(jù)、環(huán)境信息、歷史數(shù)據(jù)和維修記錄等通過(guò)各種智能算法融合到一起，獲得對(duì)被測(cè)環(huán)境或?qū)ο蟾泳_的定位，得到優(yōu)化的綜合評(píng)價(jià)結(jié)果。多傳感器數(shù)據(jù)融合技術(shù)主要用來(lái)提高飛機(jī)狀態(tài)監(jiān)控、故障預(yù)測(cè)和健康管理的準(zhǔn)確性，即通過(guò)協(xié)作或競(jìng)爭(zhēng)的過(guò)程來(lái)獲得更準(zhǔn)確的推論結(jié)果。按照所處理數(shù)據(jù)的層級(jí)，多傳感器數(shù)據(jù)融合技術(shù)可分為3個(gè)層次[28]：1)底層融合，將傳感器采集的各種數(shù)據(jù)進(jìn)行融合以進(jìn)行信號(hào)識(shí)別和特征提取；2)中層融合，將提取的特征信息進(jìn)一步融合以獲得故障診斷方面的信息；3)頂層融合，將基于經(jīng)驗(yàn)的故障庫(kù)和故障模型同故障信息進(jìn)行融合，頂層融合會(huì)依據(jù)相關(guān)準(zhǔn)則，讓不同的屬性故障信息擁有各自的可信度，得到整體一致的決策，實(shí)現(xiàn)系統(tǒng)級(jí)的預(yù)測(cè)推理和維修決策。韓曉微[29]等提出了基于鄰域搜索的 BP 網(wǎng)絡(luò)數(shù)據(jù)融合算法，解決了多旋翼無(wú)人機(jī)使用單姿態(tài)傳感器存在的精確度低、噪聲大、穩(wěn)定性較差的問(wèn)題；金星[30]等提出的對(duì)海目標(biāo)航跡數(shù)據(jù)融合算法，讓具有偵察探測(cè)與目標(biāo)指示功能的對(duì)海無(wú)人機(jī)，形成了統(tǒng)一的戰(zhàn)場(chǎng)態(tài)勢(shì)信息及高精度的目標(biāo)指示信息。與傳統(tǒng)數(shù)據(jù)處理方法相比，多傳感器數(shù)據(jù)融合技術(shù)考慮問(wèn)題更全面，得到的結(jié)果更可靠。PHM領(lǐng)域常用的多傳感器數(shù)據(jù)融合技術(shù)有人工神經(jīng)網(wǎng)絡(luò)、模糊邏輯推理和貝葉斯推理等。

3.5 健康評(píng)估和故障預(yù)測(cè)技術(shù)

健康評(píng)估和故障預(yù)測(cè)技術(shù)是一種數(shù)據(jù)推理過(guò)程，利用狀態(tài)監(jiān)測(cè)數(shù)據(jù)，在已有經(jīng)驗(yàn)、案例和模型的推理算法基礎(chǔ)上，將飛機(jī)狀態(tài)、故障狀況、維修能力等相關(guān)信息實(shí)時(shí)傳至維修保障系統(tǒng)，結(jié)合設(shè)備的結(jié)構(gòu)特性和運(yùn)行信息及歷次維修記錄，對(duì)故障進(jìn)行診斷、分析和預(yù)報(bào)，評(píng)估部件或系統(tǒng)的剩余使用壽命，確定故障的類別、部位、程度和原因，預(yù)測(cè)其未來(lái)的健康狀態(tài)。利用先進(jìn)的健康評(píng)估和故障預(yù)測(cè)技術(shù)，不僅可以發(fā)現(xiàn)早期的故障，還可以有效指導(dǎo)故障發(fā)生前的維修決策，避免惡性事故的發(fā)生，從根本上解決設(shè)備定期維修中的維修不足和過(guò)剩維修的問(wèn)題。目前在PHM系統(tǒng)中廣泛應(yīng)用的故障預(yù)測(cè)技術(shù)主要有三種：1)基于模型(失效物理模型和數(shù)學(xué)模型)的故障預(yù)測(cè)技術(shù)，通過(guò)失效物理參數(shù)來(lái)評(píng)估關(guān)鍵零部件的損傷程度，建立物理模型或隨機(jī)過(guò)程建模，用來(lái)評(píng)估部件剩余壽命。鄧聚龍教授提出的灰色模型是常見(jiàn)的故障預(yù)測(cè)模型之一。2)基于知識(shí)的故障預(yù)測(cè)技術(shù)，最典型的是專家系統(tǒng)，它具有豐富的知識(shí)和經(jīng)驗(yàn)，能指導(dǎo)現(xiàn)實(shí)問(wèn)題進(jìn)行判斷和決策；但是專家系統(tǒng)知識(shí)庫(kù)中的知識(shí)和經(jīng)驗(yàn)需要人類專家完成，無(wú)人機(jī)PHM系統(tǒng)數(shù)據(jù)知識(shí)不斷更新和變化，難以形成完備的知識(shí)。3)基于數(shù)據(jù)驅(qū)動(dòng)的故障預(yù)測(cè)技術(shù)，傳感器采集的大量數(shù)據(jù)作為歷史數(shù)據(jù)可以預(yù)測(cè)無(wú)人機(jī)短期狀態(tài)，常見(jiàn)的有人工神經(jīng)網(wǎng)絡(luò)、時(shí)間序列、回歸預(yù)測(cè)等。無(wú)人機(jī)PHM系統(tǒng)的物理數(shù)學(xué)模型復(fù)雜，產(chǎn)生的數(shù)據(jù)具有海量性、隨機(jī)性和模糊性，難以形成完備的知識(shí)體系，而基于數(shù)據(jù)的故障預(yù)測(cè)技術(shù)不需要無(wú)人機(jī)系統(tǒng)的先驗(yàn)知識(shí)，以傳感器采集的數(shù)據(jù)為基礎(chǔ)，借助數(shù)據(jù)挖掘算法提取隱含的數(shù)據(jù)信息進(jìn)行預(yù)測(cè)操作，因此基于數(shù)據(jù)的故障預(yù)測(cè)技術(shù)逐漸成為一種主流且實(shí)用的故障預(yù)測(cè)方法。

3.6 智能推理與決策支持技術(shù)

智能推理與決策支持技術(shù)是實(shí)現(xiàn)無(wú)人機(jī)PHM系統(tǒng)最后的“管理”，即在健康評(píng)估和故障預(yù)測(cè)的基礎(chǔ)上，自動(dòng)生成一系列維修保障決策來(lái)實(shí)現(xiàn)無(wú)人機(jī)的視情維修。為此，需要形成無(wú)人機(jī)各系統(tǒng)/各設(shè)備間的狀態(tài)監(jiān)測(cè)系統(tǒng)、健康評(píng)估和故障預(yù)測(cè)系統(tǒng)、健康管理系統(tǒng)和各級(jí)知識(shí)庫(kù)等的聯(lián)動(dòng)，構(gòu)建無(wú)人機(jī)PHM系統(tǒng)的維修保障決策支持系統(tǒng)，實(shí)現(xiàn)維修決策的自動(dòng)生成、維修資源的統(tǒng)一調(diào)配以及各相關(guān)單位的協(xié)同保障等，從而極大地提高保障的效率和精確度。建立決策支持系統(tǒng)的主要技術(shù)有知識(shí)圖譜，智能預(yù)測(cè)，自適應(yīng)任務(wù)規(guī)劃等，知識(shí)圖譜技術(shù)能夠?qū)o(wú)人機(jī)傳感器采集的半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)抽取成結(jié)構(gòu)化知識(shí)，集成并存儲(chǔ)結(jié)構(gòu)化知識(shí)形成知識(shí)庫(kù)；根據(jù)在線或者離線的監(jiān)測(cè)數(shù)據(jù)和歷史知識(shí)庫(kù)的偏差程度，智能預(yù)測(cè)技術(shù)能對(duì)系統(tǒng)/設(shè)備做出健康評(píng)估并預(yù)測(cè)剩余壽命；最后根據(jù)無(wú)人機(jī)自身?yè)p傷程度和任務(wù)需求統(tǒng)一調(diào)配相關(guān)指令，實(shí)現(xiàn)無(wú)人機(jī)的自適應(yīng)任務(wù)規(guī)劃。

4 無(wú)人機(jī)PHM技術(shù)發(fā)展趨勢(shì)

無(wú)人作戰(zhàn)系統(tǒng)的快速發(fā)展對(duì)其維修保障技術(shù)提出越來(lái)越高的要求，世界各國(guó)都將PHM技術(shù)作為無(wú)人機(jī)維修保障的研究熱點(diǎn)。吸收和借鑒國(guó)外的先進(jìn)經(jīng)驗(yàn)，研究無(wú)人機(jī)PHM關(guān)鍵技術(shù)可為我國(guó)面向智能化時(shí)代無(wú)人化武器裝備的研制提供堅(jiān)實(shí)支撐。PHM系統(tǒng)作為未來(lái)無(wú)人機(jī)的重要系統(tǒng)，結(jié)合人工智能和無(wú)人系統(tǒng)等戰(zhàn)略前沿技術(shù)的發(fā)展，將來(lái)有望在以下四個(gè)方向取得重要進(jìn)展。

1)先進(jìn)傳感器技術(shù)：隨著高強(qiáng)度、耐高溫等性能材料的出現(xiàn)，無(wú)人機(jī)的傳感器朝著微型化、智能化、集成化、高精度、低能耗，高可靠性等方面發(fā)展，先進(jìn)傳感器技術(shù)的進(jìn)步使采集的數(shù)據(jù)更加真實(shí)，能為無(wú)人機(jī)PHM系統(tǒng)提供更可靠的數(shù)據(jù)。

2)數(shù)據(jù)分析方法：人工智能(artificial intelligence, AI)于 1956 年被首次提出，在波浪式前進(jìn)過(guò)程中，直到計(jì)算能力、海量數(shù)據(jù)以及核心算法的出現(xiàn)，AI在21世紀(jì)取得突破性進(jìn)展，基于無(wú)人機(jī)PHM海量數(shù)據(jù)，高效合適的數(shù)據(jù)分析方法能極大提升數(shù)據(jù)質(zhì)量。

3)標(biāo)準(zhǔn)化和開(kāi)放性接口技術(shù)：標(biāo)準(zhǔn)化和開(kāi)放性接口技術(shù)是提高無(wú)人機(jī)PHM技術(shù)的通用性，縮短研制周期，降低使用和維護(hù)費(fèi)用的有效途徑。無(wú)人機(jī)PHM系統(tǒng)未來(lái)會(huì)采用標(biāo)準(zhǔn)化設(shè)計(jì)和開(kāi)放的接口標(biāo)準(zhǔn)，如PHM系統(tǒng)各模塊之間的接口，部件級(jí)PHM與系統(tǒng)級(jí)PHM之間的接口等，可以提高系統(tǒng)兼容性和互操作性，從而能隨著技術(shù)進(jìn)步而不斷實(shí)現(xiàn)技術(shù)更新。

4)故障預(yù)測(cè)技術(shù)：故障預(yù)測(cè)是PHM技術(shù)與傳統(tǒng)維修手段的重要區(qū)別，是無(wú)人機(jī)PHM技術(shù)的核心。機(jī)械或者機(jī)電設(shè)備能實(shí)現(xiàn)故障預(yù)測(cè)，但電子系統(tǒng)的失效機(jī)理不同于前者，目前只能實(shí)現(xiàn)故障檢測(cè)和隔離，無(wú)人機(jī)系統(tǒng)中存在大量關(guān)鍵的電子系統(tǒng)，為完善和促進(jìn)無(wú)人機(jī)PHM技術(shù)的發(fā)展，應(yīng)加強(qiáng)研究電子系統(tǒng)的失效機(jī)理和剩余壽命。

5 結(jié)束語(yǔ)

本文從電力系統(tǒng)及剩余壽命、任務(wù)規(guī)劃的監(jiān)測(cè)和系統(tǒng)設(shè)計(jì)三個(gè)方面介紹了國(guó)內(nèi)外無(wú)人機(jī)PHM技術(shù)，并總結(jié)了無(wú)人機(jī)PHM體系構(gòu)架，重點(diǎn)分析了無(wú)人機(jī)PHM的關(guān)鍵技術(shù)：數(shù)據(jù)采集和傳感器技術(shù)、數(shù)據(jù)預(yù)處理和數(shù)據(jù)挖掘技術(shù)、數(shù)據(jù)通信技術(shù)、多傳感器數(shù)據(jù)融合技術(shù)、健康評(píng)估和故障預(yù)測(cè)技術(shù)、智能推理與決策支持技術(shù)，最后展望了目前無(wú)人機(jī)PHM技術(shù)的發(fā)展趨勢(shì)。