CN114841576A - 基于模糊层次分析的雷达设备健康状态评估方法 - Google Patents

Abstract

本发明公开了一种基于模糊层次分析的雷达设备健康状态评估方法，本发明首先建立雷达设备的健康状态层次评价模型，再使用层次分析法计算各层级评价指标权重，随后基于专家经验定义各评价指标健康状态判定准则，支持定义关键评价指标。在评估时，通过录入各评价指标的测试数据，使用三角‑梯形模糊评价法得到雷达设备健康状态评估结果。此外，通过计算评价指标影响度，能够实现雷达设备健康状态劣化的有效归因。本发明通过模糊评价法，能有效处理专家经验与测试指标数据中的认知不确定性，同时完备的健康状态层次评价模型可大大提高模型的准确性与适用性并能精准识别关键指标。

Description

基于模糊层次分析的雷达设备健康状态评估方法

技术领域

本发明属于可靠性技术领域，涉及设备可靠性和健康管理技术，具体涉及一种基于模糊层次分析的雷达设备健康状态评估方法。

背景技术

雷达设备为提供高精度测量和实时安全控制信息，例如，测控分系统中的雷达设备作用为在空间飞行器上升阶段，执行外部弹道测量任务，具体包括实时向控制中心提供目标的径向距离、方位角、俯仰和径向速度参数的测量值。雷达设备的健康状态表征在一定环境条件下雷达设备执行设计的功能和完成预定任务的能力，代表了雷达设备的整体性能水平。雷达设备健康状态的准确把控，对雷达设备维持高精度测量性能，保障测量任务顺利执行具有重要意义；同时雷达设备处于退化状态时，对故障原因进行及时归因，是精准化制定保养维护策略的先决条件，是保障雷达设备快速恢复健康性能水平的关键。

在现有技术中，对雷达设备的可靠性评估主要包括寿命模型评估法和健康状态评估方法。传统的基于数理统计的雷达寿命模型评估法需要大量失效数据，而雷达整机级别的失效数据较少此类方法适用性有限。现有的雷达设备健康状态评估方法在构建评价模型时大多仅从少数几个特性出发未考虑设备的实际组成情况，且仅关注了雷达设备的健康状态评估结果，系统健康状态劣化的根本原因未被清晰追因。

因此，迫切需要一种在历史失效数据不足情况下，能够对雷达设备的健康状态进行有效评估，且能有效探究雷达设备的健康状态劣化原因的方法。

发明内容

为解决现有技术存在的上述问题，本发明提出了一种基于模糊层次分析的雷达设备健康状态评估方法。

本发明的具体技术方案为：一种基于模糊层次分析的雷达设备健康状态评估方法，包括以下步骤：

步骤1，构建雷达设备健康状态评价层次评价模型；

根据雷达设备功能结构组成，逐层向下划分直至底层性能指标无法继续分解。在实际情况中，根据所评估设备的实际复杂程度，设备健康状态层次评价模型的层数可取2～n层不等，需保证最底层为可输入测试值的指标项。原则上将雷达设备评价体系划分为：雷达设备层、分系统层、性能指标层。当待评估的雷达设备层级较为简单，不存在分系统级别概念时，分系统层可以不存在。而当某类性能指标可以继续往下划分得到不同类别的测量参数时(如：信号捕获时间可进一步细分为距离捕获时间、测速捕获时间)，性能指标层可存在多层，将层次评价模型中可录入测试数据的各项底层性能指标统称称为评价指标；

步骤2，重要度打分与一致性检验，基于专家经验使用九级标度法定量描述各评价指标间的相对重要性，得到各评价指标、分系统间相对重要性判断矩阵；

步骤3，采用平方根法计算同一层次中第i个指标相对于其上层指标的权重ω_i；

步骤4，自上而下逐层计算至最底层，得到第i个评价指标关于总目标的权重W(E_i)；

步骤5，基于专家经验确定雷达设备底层可录入测试值的各评价指标的健康状态判定准则；

步骤6，将设备的各项评价指标测试数据输入模型，基于指标健康状态判定准则，使用三角梯形模糊函数计算雷达设备各底层评价指标的隶属度矩阵；

步骤7，使用模糊综合评价法评估设备的可靠性健康状态，层次分析法得到的权重向量W与通过模糊综合评价法得到的隶属度矩阵R_S相乘，得到总目标对于各个状态的隶属度R＝W×R_S，根据最大隶属度原则，得出雷达设备健康状态评估结果；

步骤8，综合指标权重、系统当前健康状态以及指标测试值，计算评价指标影响度q(E_i)：

其中，r_ij为第i个评价指标隶属于j状态的隶属度值，S是不优于当前系统健康状态的集合。

进一步的，步骤S2所述的相对重要性判断矩阵具体表示为：

其中，a_ij表示评价指标i和评价指标j的相对重要性；

对专家给出的相对重要度判断矩阵进行一致性的检验，首先计算一致性比例CR，当CR＜0.1时，矩阵的一致性检验通过，否则需要重新调整判断矩阵，一致性比例CR：

其中，RI为一致性指标，λ_max为相对重要度判断矩阵的最大特征值；n为相对重要度判断矩阵的阶数。

进一步的，步骤3所述的权重ω_i具体计算公式为：

进一步的，步骤4所述的权重W(E_i)具体计算过程如下：

假定第k-1层n个指标A₁,A₂,...,A_n相对于总目标的权重分别为

第k层m个指标B₁,B₂,...,B_m对于A_i的权重分别为[ω_i1,ω_i2,...,ω_im]，则第k层的第j个指标B_j相对于总目标的权重公式为：

逐层计算至最底层，得到底层第i个评价指标关于总目标的权重W(E_i)。

所计算出的各指标权重向量表示为W＝(W(E₁),...,W(E_m))^T，权重向量衡量各底层指标对雷达设备健康状态的重要度。

本发明的有益效果：本发明的方法首先建立雷达设备的健康状态层次评价模型，再使用层次分析法计算各层级评价指标权重，随后基于专家经验定义各评价指标健康状态判定准则，支持定义关键评价指标。在评估时，通过录入各评价指标的测试数据，使用三角-梯形模糊评价法得到雷达设备健康状态评估结果。此外，通过计算评价指标影响度，能够实现雷达设备健康状态劣化的有效归因。本发明通过模糊评价法，能有效处理专家经验与测试指标数据中的认知不确定性，同时完备的健康状态层次评价模型可大大提高模型的准确性与适用性并能精准识别关键指标。

附图说明

图1为本发明实施例的雷达设备健康状态评估方法流程示意图；

图2为本发明实施例的设备健康状态层次评价模型示意图；

图3为本发明实施例的三类评价指标健康状态示意图；

图4为本发明实施例的越小越优型评价指标隶属度函数；

图5为本发明实施例的越大越优型评价指标隶属度函数；

图6为本发明实施例的中间最优型评价指标隶属度函数。

具体实施方式

下面结合附图及实施例对本发明做进一步说明。

本发明的目的是能够在雷达设备历史失效数据不足情况下，实现雷达设备健康状态评估和健康状态退化归因。本发明通过层次分析法，划分雷达设备的层次模型并计算评价指标权重；基于三角-梯形模糊评价法得到雷达设备健康状态评估结果；使用影响度算法对评价指标的对系统健康状态劣化影响程度进行排序，使得模型能够在历史失效数据不足时，使用日常维护阶段的评价指标测试数据、专家经验等现有信息，实现雷达系统健康状态评估，并指导设备维护保养策略的制定。具体流程如图1所示，具体包括如下步骤：

步骤1，构建雷达设备健康状态评价层次评价模型。根据雷达设备功能结构组成，逐层向下划分直至底层性能指标无法继续分解。基于设备结构指标体系建立的设备健康状态层次评价模型示意如图2所示。在实际情况中，根据所评估设备的实际复杂程度，设备健康状态层次评价模型的层数可取2～n层不等，需保证最底层为可输入测试值的指标项。原则上将雷达设备评价体系划分为：雷达设备层、分系统层、性能指标层。当待评估的雷达设备层级较为简单，不存在分系统级别概念时，分系统层可以不存在。而当某类性能指标可以继续往下划分得到不同类别的测量参数时，性能指标层可存在多层；

步骤2，重要度打分与一致性检验。基于专家经验使用九级标度法定量描述各评价指标间的相对重要性，得到各评价指标、分系统间相对重要性判断矩阵。对专家给出的相对重要度判断矩阵进行一致性的检验，以避免相对重要度判断矩阵不合理。一致性检验未通过时需重新调整判断矩阵。

这里的判断矩阵具体表示为：

其中，a_ij表示评价指标i和评价指标j的相对重要性；

随后对专家给出的相对重要度判断矩阵进行一致性的检验，以避免相对重要度判断矩阵不合理。首先计算一致性比例CR，当CR＜0.1时，矩阵的一致性检验通过，否则需要重新调整判断矩阵。一致性比例CR如下：

其中，RI为一致性指标，λ_max为相对重要度判断矩阵的最大特征值；n为相对重要度判断矩阵的阶数。

步骤3，在得到雷达设备健康状态评价层次评价模型各层指标的相对权重判断矩阵后，采用平方根法计算同一层次中第i个指标相对于其上层指标的权重ω_i：

步骤4，自上而下逐层计算至最底层，得到评价指标关于总目标的权重W(E_i)。逐层计算至最底层，得评价指标关于总目标的权重。E_i表示第i个评价指标，所计算出的各指标权重向量W＝(W(E₁),...,W(E_m))^T，权重向量各底层指标对雷达设备健康状态的重要度。

步骤5，基于专家经验确定雷达设备底层可录入测试值的各评价指标的健康状态判定准则；此步骤中健康状态判定准则中健康状态范围个数与雷达设备总体健康状态划分个数相同。雷达设备健康状态等级划分表如表1所示。

表1

基于模糊层次分析法的雷达设备健康状态评估方法支持三种变化规律的指标，越小越优、越大越优以及中间最优型评价指标。三类评价指标健康状态图见图3，自左向右一次为越小越优型、越大越优型以及中间最优型评价指标。

对于越小越优类型的指标，评价指标值越小性能水平越好；与理想值偏差越小，设备健康状态越好(如：雷达接收机分系统中的噪声系数)。越大越优型指标的特征为当评价指标的实际测试值越大时，设备健康状态越好(如：雷达发射机中的输出电压指标和输出电流指标)。中间最优型是当评价指标值在一定区间内表示其处于最佳状态，而指标数值过大或过小都会导致性能水平不佳(如：发射机分系统中的输出功率)；

将对系统功能起决定性影响的评价指标设置为关键评价指标，当关键评价指标的测试数据表明指标的健康状态为差时，需立即安排设备进行维护保养。

步骤6，将设备的各项评价指标测试数据输入模型，基于指标健康状态判定准则，使用三角梯形模糊函数计算雷达设备各评价的隶属度矩阵。越小越优型评价指标、越大越优型评价指标以及中间最优型评价指标的隶属度函数分别如图4、图5和图6所示。以越小越优型评价为例，三角梯形模糊函数法计算评价指标健康状态的隶属度计算公式如下，越小越优型评价指标处于健康状态的隶属度计算公式：

其中，r_i1(γ)的含义为指标测试值取γ时，第i个指标状态的隶属度。状态i可取1、2、3、4，分别与雷达设备健康状态由健康到完全退化的四种健康状态依次对应。

越小越优型评价指标轻微退化状态的隶属度计算公式：

越小越优型评价指标严重退化状态的隶属度计算公式：

越小越优型评价指标完全失效状态的隶属度计算公式：

步骤7，使用模糊综合评价法评估设备的可靠性健康状态。层次分析法得到的权重向量W与通过模糊综合评价法得到的隶属度矩阵R_S相乘，得到总目标对于各个状态的隶属度R＝W×R_S，根据最大隶属度原则，得出雷达设备健康状态评估结果。

步骤8，综合指标权重、系统当前健康状态以及指标测试值等数据，计算评价指标影响度q(E_i)：

其中，q(E_i)为指标的影响度，W(E_i)表示第i个评价指标的权重，r_ij为第i个评价指标隶属于j状态的隶属度值，S是不优于当前系统健康状态的集合。

影响度计算同时考虑系统健康状态评估结果，指标权重、以及指标测试值等数据。影响度指标可表征评价指标对系统劣化的影响程度。可使用雷达设备健康状态评估软件输出评估报告，设备负责人能够及时了解设备健康状态，当雷达设备健康状态不佳时，运行维护人员可根据评估结果制定检修与保养计划。

由上述步骤可得到雷达设备健康状态评估结果与评价指标影响度计算结果。

本发明利用层次分析法和模糊评价法完成雷达设备健康状态评估，可有效应用于高可靠、长寿命雷达设备的健康状态评估问题。本发明基于层次分析法，实现雷达设备健康状态评价层次评价模型的构建；基于专家经验确定各指标的健康状态判定准则。随后使用模糊评价法完成雷达设备健康状态评估结果的计算。最后对各指标计算影响度，对故障原因进行有效追因。本发明通过模糊评价法，有效处理专家经验与测试指标数据中的认知不确定性，同时完备的健康状态层次评价模型可大大提高模型的准确性与适用性。此外，影响度算法能够精准识别关键指标。

本发明的方法可基于日常维护的评价指标测试数据，结合专家经验，完成系统健康状态的评估，并指导设备维护保养策略的制定，适用于高可靠性雷达历史失效数据不足情况下的设备健康状态评估和健康状态退化归因。

本发明提供了一种雷达设备健康状态评估方法，具体实现该技术方案的方法和途径很多，以上所述是本发明的优选实施方式；本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员还可以做出不脱离本发明原理的改进和变形，这些改进和变形也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。

Claims (4)

1.一种基于模糊层次分析的雷达设备健康状态评估方法，其特征在于，包括以下步骤：

步骤1，构建雷达设备健康状态评价层次评价模型；

步骤2，重要度打分与一致性检验，基于专家经验使用九级标度法定量描述各评价指标间的相对重要性，得到各评价指标、分系统间相对重要性判断矩阵；

步骤3，采用平方根法计算同一层次中第i个指标相对于其上层指标的权重ω_i。

步骤4，自上而下逐层计算至最底层，得到评价指标关于总目标的权重W(E_i)；

步骤5，基于专家经验确定雷达设备底层可录入测试值的各评价指标的健康状态判定准则；

步骤6，将设备的各项评价指标测试数据输入模型，基于指标健康状态判定准则，使用三角梯形模糊函数计算雷达设备各评价指标的隶属度矩阵；

步骤7，使用模糊综合评价法评估设备的可靠性健康状态。层次分析法得到的权重向量W与通过模糊综合评价法得到的隶属度矩阵R_S相乘，得到总目标对于各个状态的隶属度R＝W×R_S，根据最大隶属度原则，得出雷达设备健康状态评估结果；

步骤8，综合指标权重、系统当前健康状态以及指标测试值等数据，计算评价指标影响度q(E_i)：

其中，W(E_i)表示第i个评价指标的权重，r_ij为第i个评价指标隶属于j状态的隶属度值，S表示不优于当前系统健康状态的集合。

2.根据权利要求1所述的一种基于模糊层次分析的雷达设备健康状态评估方法，其特征在于，步骤S2所述的相对重要性判断矩阵具体表示为：

其中，a_ij表示评价指标i和评价指标j的相对重要性；

对专家给出的相对重要度判断矩阵进行一致性的检验，首先计算一致性比例CR，当CR＜0.1时，矩阵的一致性检验通过，否则需要重新调整判断矩阵，一致性比例CR：

其中，RI为一致性指标，λ_max为相对重要度判断矩阵的最大特征值；n为相对重要度判断矩阵的阶数。

3.根据权利要求1所述的一种基于模糊层次分析的雷达设备健康状态评估方法，其特征在于，步骤3所述的权重ω_i具体计算公式为：

4.根据权利要求1所述的一种基于模糊层次分析的雷达设备健康状态评估方法，其特征在于，步骤4所述的权重W(E_i)具体计算过程如下：

假定第k-1层n个指标A₁,A₂,...,A_n相对于总目标的权重分别为

第k层m个指标B₁,B₂,...,B_m对于A_i的权重分别为[ω_i1,ω_i2,...,ω_im]，则第k层的第j个指标B_j相对于总目标的权重公式为：

逐层计算至最底层，得到底层第i个评价指标关于总目标的权重W(E_i)；

所计算出的各指标权重向量表示为W＝(W(E₁),...,W(E_m))^T，权重向量衡量各底层指标对雷达设备健康状态的重要度。

Images