歐陽霄,楊 輝, 朱東濟(jì),羅 昊,蔡紅維

(1.西昌衛(wèi)星發(fā)射中心，四川 西昌 615000； 2.中國(guó)航天員科研訓(xùn)練中心，北京 100094)

0 引言

目前航天發(fā)射場(chǎng)單脈沖雷達(dá)設(shè)備仍然采用傳統(tǒng)的計(jì)劃式維護(hù)，需要投入大量的人力資源。這種計(jì)劃式維護(hù)模式在計(jì)劃制定合理且人員溝通、執(zhí)行效率高的情況下能夠較好地管理設(shè)備，但隨著我國(guó)航天發(fā)射任務(wù)越發(fā)密集，計(jì)劃式維護(hù)模式越來越難以滿足航天發(fā)射場(chǎng)單脈沖雷達(dá)設(shè)備的實(shí)際需求。

總體上說，目前采用的計(jì)劃式維護(hù)模式過于依靠人力資源，也不能完全避免設(shè)備故障造成的巨大損失。傳統(tǒng)的計(jì)劃式維護(hù)模式已經(jīng)越來越難以適應(yīng)單脈沖雷達(dá)的實(shí)際使用需求。因此，有必要探尋一種新的單脈沖雷達(dá)設(shè)備管理和維護(hù)模式。

科學(xué)合理的維護(hù)模式其核心是按需維護(hù)，計(jì)劃式維護(hù)模式也是一種按需維護(hù)，只不過裝備管理人員在按需求制定維護(hù)計(jì)劃時(shí)，更多地依靠經(jīng)驗(yàn)或者對(duì)裝備大體的認(rèn)識(shí)，其需求是不明確的、非量化的。20世紀(jì)70年代，故障預(yù)測(cè)與健康管理(PHM,prognostic and health management)技術(shù)在美國(guó)誕生，并迅速應(yīng)用于軍工領(lǐng)域，取得了良好的效果。PHM技術(shù)的發(fā)展使得裝備維護(hù)模式由傳統(tǒng)的計(jì)劃式維護(hù)迅速發(fā)展為狀態(tài)維護(hù)(CBM,condition based maintenance)及后來的可靠性維護(hù)(RCM,reliability centered maintenance)[1-2]。新興的維護(hù)模式通過裝備日常檢查、狀態(tài)連續(xù)監(jiān)測(cè)、裝備故障診斷等手段獲得信息，再通過數(shù)據(jù)統(tǒng)計(jì)分析，對(duì)裝備狀態(tài)進(jìn)行量化評(píng)估和故障趨勢(shì)預(yù)測(cè)，從而得到明確的維護(hù)需求。這樣的維護(hù)模式能夠極大地降低裝備維護(hù)成本，由計(jì)算機(jī)代替大部分由人工負(fù)責(zé)的工作，從而降低對(duì)裝備管理人員的素質(zhì)需求[3-4]。

故障預(yù)測(cè)技術(shù)是PHM技術(shù)中最關(guān)鍵的技術(shù)手段之一。通過應(yīng)用故障預(yù)測(cè)技術(shù)，能夠比較清楚地了解裝備各關(guān)鍵系統(tǒng)或零部件發(fā)生故障的剩余壽命或者可能性，能夠視情提前安排裝備維護(hù)或維修，有效避免發(fā)生故障造成重大損失。如果應(yīng)用于單脈沖雷達(dá)設(shè)備，能夠有效地降低裝備管理難度和成本。因此，故障預(yù)測(cè)技術(shù)對(duì)于單脈沖雷達(dá)設(shè)備的意義十分重大。

1 故障預(yù)測(cè)技術(shù)概述

目前，國(guó)內(nèi)外應(yīng)用比較成熟的基礎(chǔ)故障預(yù)測(cè)技術(shù)主要有兩大類：基于基于歷史數(shù)據(jù)的故障預(yù)測(cè)方法和物理模型的故障預(yù)測(cè)方法。其中，根據(jù)使用模型的不同又可分別為多種小類別。為了提高故障預(yù)測(cè)的精度和適用性，還發(fā)展出了結(jié)合多種基礎(chǔ)技術(shù)的綜合故障預(yù)測(cè)技術(shù)。

1.1 基于物理模型的故障預(yù)測(cè)方法

指分析全系統(tǒng)運(yùn)行機(jī)制建立精確的物理模型，再通過模型進(jìn)行預(yù)測(cè)的方法[5]。

基于物理模型的預(yù)測(cè)方法，其關(guān)鍵是比較完備的、適用的物理模型，而對(duì)于復(fù)雜度高、集成度高的系統(tǒng)，得出其完整物理模型幾乎是不可能，因此基于物理模型的預(yù)測(cè)方法廣泛應(yīng)用于機(jī)械損傷預(yù)測(cè)和簡(jiǎn)單電路故障預(yù)測(cè)。

1.2 基于歷史數(shù)據(jù)的故障預(yù)測(cè)方法

指通過分析歷史數(shù)據(jù)特征建立適用的近似數(shù)學(xué)模型來預(yù)測(cè)其未來數(shù)據(jù)變化的故障預(yù)測(cè)方法[4]。根據(jù)數(shù)據(jù)特征的區(qū)別，該方法可分為兩大類：參數(shù)模型法與非參數(shù)模型法。

1.2.1 參數(shù)模型法

參數(shù)模型法是根據(jù)歷史數(shù)據(jù)的信息從而假設(shè)出一類數(shù)學(xué)模型，然后估計(jì)出模型參數(shù)值，根據(jù)模型得到未來的預(yù)測(cè)值，其基本流程如圖1所示。

圖1 參數(shù)模型法預(yù)測(cè)基本流程

由圖1可以看出，參數(shù)模型法的基本流程是：首先對(duì)歷史數(shù)據(jù)進(jìn)行時(shí)域、頻域及統(tǒng)計(jì)特征的分析，并由此確定擬采用的模型。然后采用相應(yīng)的數(shù)學(xué)方法對(duì)模型的參數(shù)進(jìn)行估算，并通過一定的判據(jù)對(duì)模型本身的精度進(jìn)行計(jì)算。當(dāng)模型精度滿足要求時(shí)，即可采用該參數(shù)的模型進(jìn)行預(yù)測(cè)，否則需重復(fù)迭代上述過程，直到求得一組合適的模型參數(shù)。參數(shù)模型法是基于歷史數(shù)據(jù)本身的特征假設(shè)出一個(gè)數(shù)學(xué)模型進(jìn)行預(yù)測(cè)的，根據(jù)歷史數(shù)據(jù)特征的不同需采用不同類別的模型，且該方法一般用于直接測(cè)量的單個(gè)參數(shù)的趨勢(shì)預(yù)測(cè)。

對(duì)于單脈沖雷達(dá)這樣的復(fù)雜系統(tǒng)，需要分析的參數(shù)非常多，且各參數(shù)的特征是不同的，難以找到一種通用的模型來應(yīng)用多個(gè)參數(shù)的預(yù)測(cè)。常用的參數(shù)模型法有：曲線擬合法、ARIMA時(shí)間序列分析法、灰色模型法[6-9]等。

1.2.2 非參數(shù)模型法

非參數(shù)模型法是將整個(gè)系統(tǒng)作為一個(gè)“黑箱”，通過某種手段或假設(shè)分析其輸入與輸出的關(guān)系(該黑箱系統(tǒng)允許多輸入輸出、沒有輸入/輸出的特殊情況)[5]。

根據(jù)數(shù)據(jù)分析手段的不同，非參數(shù)模型法又可分為機(jī)器學(xué)習(xí)預(yù)測(cè)法和隱馬爾科夫鏈分析法等。常用的比較成熟的機(jī)器學(xué)習(xí)法有神經(jīng)網(wǎng)絡(luò)分析法、支持向量機(jī)分析法[7]等多種方法。

相對(duì)于參數(shù)模型法，非參數(shù)模型法除了能預(yù)測(cè)可直接測(cè)量的單個(gè)參數(shù)(將時(shí)域上靠后的歷史數(shù)據(jù)作為輸出，靠前的歷史數(shù)據(jù)作為輸入)，也能預(yù)測(cè)由多個(gè)協(xié)變量共同作用的某一個(gè)或幾個(gè)不可直接測(cè)量的參數(shù)甚至于某抽象的“狀態(tài)”，在PHM技術(shù)領(lǐng)域很有應(yīng)用前景[10-11]。

2 單脈沖雷達(dá)故障預(yù)測(cè)的基本流程

隨著科學(xué)技術(shù)的飛速發(fā)展，多種故障預(yù)測(cè)技術(shù)和手段在各個(gè)領(lǐng)域的應(yīng)用十分廣泛，但是，并沒有一種可靠的技術(shù)或手段能夠通用于各種類型的參數(shù)或系統(tǒng)，而是必須根據(jù)待預(yù)測(cè)系統(tǒng)本身的特點(diǎn)分析并選擇合適的預(yù)測(cè)技術(shù)。根據(jù)采用的技術(shù)路線不同，單脈沖雷達(dá)故障預(yù)測(cè)的實(shí)現(xiàn)可以有3種基本途徑。

2.1 并行結(jié)構(gòu)實(shí)現(xiàn)

即通過技術(shù)手段監(jiān)測(cè)每一個(gè)必要的節(jié)點(diǎn)數(shù)據(jù)并進(jìn)行預(yù)測(cè)，若覆蓋范圍足夠大，當(dāng)預(yù)測(cè)到某一個(gè)或幾個(gè)參數(shù)將到達(dá)風(fēng)險(xiǎn)區(qū)時(shí)，即安排對(duì)該參數(shù)對(duì)應(yīng)的零部件進(jìn)行維修或更換，提前杜絕裝備失效的風(fēng)險(xiǎn)。

理論上說，對(duì)于單脈沖雷達(dá)這樣的復(fù)雜電子系統(tǒng)來說，監(jiān)測(cè)節(jié)點(diǎn)要達(dá)到全覆蓋可以說是天文數(shù)字，從各方面考慮都是不可行的。但要考慮到目前雷達(dá)裝備維修方式以直接更換為主，且已有所有易損零部件至板卡級(jí)甚至分系統(tǒng)級(jí)的備件。若能通過分析各板卡或分系統(tǒng)的運(yùn)行機(jī)理，找出一個(gè)或幾個(gè)可直接測(cè)量的參數(shù)進(jìn)行監(jiān)測(cè)及預(yù)測(cè)，就能夠?qū)⒈O(jiān)測(cè)節(jié)點(diǎn)降低到可接受的程度同時(shí)可靠地快速定位及預(yù)測(cè)雷達(dá)各部分出現(xiàn)的故障，并預(yù)先更換備品備件，完全避免雷達(dá)因故障失效的風(fēng)險(xiǎn)，具體流程如圖2所示。

圖2 并行結(jié)構(gòu)實(shí)現(xiàn)預(yù)測(cè)流程

由此可見，研究單個(gè)直接測(cè)量參數(shù)的預(yù)測(cè)技術(shù)是有實(shí)際意義且很有應(yīng)用前景的。

2.2 分層結(jié)構(gòu)實(shí)現(xiàn)

即通過數(shù)學(xué)理論使用一個(gè)或幾個(gè)無法直接測(cè)量的參數(shù)來量化裝備或系統(tǒng)狀態(tài)，通過一定技術(shù)手段建立起能直接測(cè)量的參數(shù)與該狀態(tài)參數(shù)之間的聯(lián)系。理論上說，需要深入分析整個(gè)裝備運(yùn)行機(jī)理，將裝備狀態(tài)按照運(yùn)行機(jī)理劃分為多個(gè)層次，最終細(xì)化到關(guān)鍵零部件或板卡級(jí)別，從而確定需設(shè)置的監(jiān)測(cè)節(jié)點(diǎn)，如圖3所示。

圖3 分層結(jié)構(gòu)實(shí)現(xiàn)預(yù)測(cè)流程

這種方法相對(duì)于并行結(jié)構(gòu)來說，對(duì)監(jiān)測(cè)節(jié)點(diǎn)的要求要低得多，同時(shí)數(shù)據(jù)分析和處理的投入也要小得多。但需要注意的是，在缺失故障特征歷史數(shù)據(jù)或可靠性實(shí)驗(yàn)數(shù)據(jù)的情況下，該技術(shù)路線只能評(píng)估和預(yù)測(cè)整個(gè)大系統(tǒng)的健康狀態(tài)，卻無法定位故障位于哪個(gè)零件，從而確定維護(hù)計(jì)劃和措施。

具體分析目前雷達(dá)設(shè)備的實(shí)際使用維護(hù)情況，航天發(fā)射場(chǎng)單脈沖雷達(dá)實(shí)際上不允許應(yīng)用多層結(jié)構(gòu)的故障預(yù)測(cè)系統(tǒng)，因?yàn)槿魏瘟悴考霈F(xiàn)異常就必須維修或更換。因此實(shí)際上應(yīng)用兩層結(jié)構(gòu)與并行結(jié)構(gòu)結(jié)合的技術(shù)路線實(shí)現(xiàn)設(shè)備故障預(yù)測(cè)是更具工程應(yīng)用價(jià)值的，如圖4所示。

圖4 有實(shí)際應(yīng)用價(jià)值的分層結(jié)構(gòu)實(shí)現(xiàn)預(yù)測(cè)流程

2.3 基于故障特征的預(yù)測(cè)

基于故障特征的預(yù)測(cè)不關(guān)注分系統(tǒng)板卡的狀態(tài)，而是首先根據(jù)系統(tǒng)運(yùn)行機(jī)制，綜合考慮測(cè)量成本的情況下確定關(guān)鍵測(cè)量節(jié)點(diǎn)作為故障特征；再分析歷史數(shù)據(jù)中不同故障狀態(tài)下的特征數(shù)據(jù)，確定不同的故障模式；最后通過實(shí)時(shí)監(jiān)關(guān)鍵測(cè)量節(jié)點(diǎn)，通過HMM等數(shù)學(xué)方法分析計(jì)算設(shè)備目前各特征量與不同故障狀態(tài)下特征量的差別大小，并預(yù)測(cè)設(shè)備從現(xiàn)有狀態(tài)轉(zhuǎn)移至故障狀態(tài)所需時(shí)間(即剩余壽命)[5-8]。

基于故障特征的預(yù)測(cè)計(jì)算量不大且測(cè)量成本可控，且能夠直接確定設(shè)備將要發(fā)生的故障模式并針對(duì)性地開展相應(yīng)預(yù)防維護(hù)措施。但是，由于故障數(shù)據(jù)的缺失，該方法難以在目前單脈沖雷達(dá)設(shè)備上應(yīng)用。

3 單個(gè)參數(shù)劣化過程預(yù)測(cè)的原理與實(shí)現(xiàn)

單脈沖雷達(dá)是航天發(fā)射場(chǎng)的典型重要測(cè)控設(shè)備，多注速調(diào)管是單脈沖雷達(dá)發(fā)射機(jī)關(guān)鍵零部件，若其發(fā)生故障，將直接導(dǎo)致雷達(dá)無法正常工作。而陰極電流是反映多注速調(diào)管狀態(tài)的重要參數(shù)，隨著速調(diào)管劣化程度的增加，陰極電流信號(hào)的失真程度也越來越大。因此可以選用陰極電流作為多注速調(diào)管的特征參數(shù)對(duì)多注速調(diào)管進(jìn)行故障預(yù)測(cè)。

由于目前雷達(dá)設(shè)備暫不具備實(shí)驗(yàn)條件，本文選用資料中通過實(shí)驗(yàn)直接測(cè)得的多注速調(diào)管陰極電流信號(hào)為研究目標(biāo)，應(yīng)用ARIMA時(shí)間序列分析法對(duì)該信號(hào)進(jìn)行了仿真實(shí)驗(yàn)[4]。

資料中，研究者對(duì)多注速調(diào)管陰極電流進(jìn)行了40次等時(shí)間間隔直接測(cè)量，結(jié)果如表1所示。

表1 多注速調(diào)管陰極電流測(cè)試結(jié)果

為驗(yàn)證預(yù)測(cè)方法的精度，采用第1～35個(gè)數(shù)據(jù)作為歷史數(shù)據(jù)，用后5個(gè)數(shù)據(jù)作為真值驗(yàn)證ARIMA分析法預(yù)測(cè)出的5個(gè)數(shù)據(jù)。

3.1 ARIMA分析的基本流程

ARIMA分析預(yù)測(cè)法的基本流程如圖5所示。

圖5 ARIMA分析預(yù)測(cè)法的基本流程

第一步，對(duì)歷史數(shù)據(jù)進(jìn)行預(yù)處理。若數(shù)據(jù)存在周期性或非平穩(wěn)，則需對(duì)數(shù)據(jù)進(jìn)行差分或去周期性處理；若數(shù)據(jù)為非等間隔時(shí)間測(cè)量，則要進(jìn)行時(shí)域插值，確保數(shù)據(jù)在時(shí)域上的等間隔。

第二步，對(duì)數(shù)據(jù)的統(tǒng)計(jì)特征進(jìn)行分析，主要分析偏自相關(guān)函數(shù)(PACF)和自相關(guān)函數(shù)(ACF)，根據(jù)其特征確定模型的階數(shù)。

第三步，按照一定的判據(jù)對(duì)模型進(jìn)行驗(yàn)證，若驗(yàn)證通過，就可以通過確定的模型進(jìn)行預(yù)測(cè)[12]。

若存在統(tǒng)計(jì)特征無法確定模型階數(shù)的特殊情況，則需要通過枚舉法反復(fù)驗(yàn)證各個(gè)階數(shù)的模型，直到驗(yàn)證通過[13-14]。

應(yīng)用Matlab的系統(tǒng)辨識(shí)工具箱對(duì)數(shù)據(jù)進(jìn)行分析，用1～20階的AR模型分別進(jìn)行驗(yàn)證，當(dāng)采用AR(16)模型進(jìn)行驗(yàn)證時(shí)其效果最好。

3.2 實(shí)驗(yàn)結(jié)果與分析

確定預(yù)測(cè)模型的參數(shù)后，用AR(16)模型進(jìn)行5步預(yù)測(cè)，結(jié)果如圖6及表2所示。

圖6 ARIMA預(yù)測(cè)結(jié)果

表2 預(yù)測(cè)數(shù)據(jù)與原始數(shù)據(jù)對(duì)比

由圖6及表可以看出，用ARIMA方法對(duì)雷達(dá)發(fā)射機(jī)速調(diào)管陰極電流進(jìn)行短期預(yù)測(cè)效果良好，最大誤差不超過1.5%。應(yīng)用該方法時(shí)，若確定模型參數(shù)含MA項(xiàng)，則預(yù)測(cè)誤差會(huì)隨預(yù)測(cè)步長(zhǎng)不斷累計(jì)，因此ARIMA方法一般用于中短期預(yù)測(cè)。

4 系統(tǒng)級(jí)劣化過程預(yù)測(cè)的原理與實(shí)現(xiàn)

對(duì)雷達(dá)設(shè)備上的信號(hào)處理分系統(tǒng)進(jìn)行分析研究，其參數(shù)如圖7所示。通過對(duì)歷史評(píng)估數(shù)據(jù)進(jìn)行積累，采用基于評(píng)估的趨勢(shì)預(yù)測(cè)方法可以對(duì)系統(tǒng)級(jí)劣化過程進(jìn)行預(yù)測(cè)。

圖7 信號(hào)處理分系統(tǒng)分系統(tǒng)參數(shù)(指標(biāo))梳理

對(duì)信號(hào)處理分系統(tǒng)采集了一組數(shù)據(jù)，在每個(gè)時(shí)間點(diǎn)進(jìn)行狀態(tài)評(píng)估，計(jì)算健康等級(jí)隸屬度。采集的數(shù)據(jù)如圖8所示。

由圖8可以看出，該組數(shù)據(jù)具有比較明顯的非線性特征，若采用ARIMA模型分析法預(yù)測(cè)可以預(yù)見效果不佳。因此，采用前18組數(shù)據(jù)作為歷史數(shù)據(jù)，應(yīng)用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)法對(duì)數(shù)據(jù)進(jìn)行3步預(yù)測(cè)，并采用后3組數(shù)據(jù)作為真實(shí)值驗(yàn)證預(yù)測(cè)效果。

圖8 信號(hào)處理分系統(tǒng)健康等級(jí)隸屬度

4.1 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的基本流程

應(yīng)用神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行預(yù)測(cè)的基本流程如圖9所示。

圖9 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的基本流程

神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)法與ARIMA分析法的區(qū)別主要是：無法通過原始數(shù)據(jù)的特征來確定使用的神經(jīng)網(wǎng)絡(luò)類型及參數(shù)。

首先，通過輸入和目標(biāo)的關(guān)系大致確定采用的神經(jīng)網(wǎng)絡(luò)類型，并通過試湊的方法確定神經(jīng)網(wǎng)絡(luò)參數(shù)，

然后，對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練、確認(rèn)和測(cè)試(機(jī)器學(xué)習(xí))的過程。若測(cè)試效果良好，誤差收斂精度高，則可以用該訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)對(duì)參數(shù)進(jìn)行預(yù)測(cè)；否則就要考慮更換神經(jīng)網(wǎng)絡(luò)類型，并重復(fù)機(jī)器學(xué)習(xí)的過程，直到測(cè)試通過[15-16]。

根據(jù)圖8數(shù)據(jù)的特點(diǎn)，采用NARX(nonlinear autoregressive with external input，帶外部輸入的非線性自回歸)神經(jīng)網(wǎng)絡(luò)，確定輸入為時(shí)間，輸出(目標(biāo))為健康等級(jí)隸屬度，設(shè)定網(wǎng)絡(luò)有10個(gè)隱含層，并有5步延遲[17-18]。

用該網(wǎng)絡(luò)對(duì)18組數(shù)據(jù)進(jìn)行了訓(xùn)練，訓(xùn)練結(jié)果良好，擬合精度高，誤差較小，可以對(duì)數(shù)據(jù)進(jìn)行預(yù)測(cè)。

4.2 實(shí)驗(yàn)結(jié)果與分析

將輸入、輸出后移3步，再帶入訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)進(jìn)行模擬，即可得到健康等級(jí)隸屬度的3步預(yù)測(cè)值，與后3組數(shù)據(jù)對(duì)比，即可驗(yàn)證預(yù)測(cè)結(jié)果精度，如圖10及表3所示。

圖10 預(yù)測(cè)結(jié)果

表3 預(yù)測(cè)結(jié)果與真實(shí)值的對(duì)比

由圖10及表3可以看出，預(yù)測(cè)效果在可接受范圍內(nèi)(精度優(yōu)于80%)。非線性數(shù)據(jù)預(yù)測(cè)效果本來不如線性數(shù)據(jù)，加上訓(xùn)練樣本數(shù)據(jù)量過小，是造成預(yù)測(cè)相對(duì)誤差較大的原因。神經(jīng)網(wǎng)絡(luò)技術(shù)主要適合于大樣本數(shù)據(jù)的預(yù)測(cè)，并且通過機(jī)器學(xué)習(xí)的方式規(guī)避了復(fù)雜系統(tǒng)的識(shí)別問題，實(shí)際上是非常適合應(yīng)用于單脈沖雷達(dá)故障預(yù)測(cè)的。需要注意的是，神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)技術(shù)的計(jì)算量偏大，一般需要離線進(jìn)行神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)進(jìn)行在線預(yù)測(cè)[19-20]。

5 結(jié)束語

本文研究了故障預(yù)測(cè)技術(shù)的類型、方法和基本流程，結(jié)合單脈沖雷達(dá)設(shè)備實(shí)際，探討了故障預(yù)測(cè)技術(shù)在單脈沖雷達(dá)上的應(yīng)用前景。采用ARIMA分析法對(duì)單脈沖雷達(dá)設(shè)備單個(gè)直接測(cè)量參數(shù)進(jìn)行了預(yù)測(cè)；采用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)法對(duì)雷達(dá)信號(hào)處理分系統(tǒng)的系統(tǒng)級(jí)劣化過程進(jìn)行了預(yù)測(cè)，預(yù)測(cè)結(jié)果均能達(dá)到單脈沖雷達(dá)使用維護(hù)要求。

研究表明，結(jié)合狀態(tài)量化評(píng)估技術(shù)，將故障預(yù)測(cè)技術(shù)推廣到更多的測(cè)控設(shè)備，將會(huì)使航天測(cè)控設(shè)備的維護(hù)、使用和管理模式向自動(dòng)化、智能化發(fā)展，能夠極大地提高測(cè)控設(shè)備可靠性，節(jié)省維護(hù)成本。