![点击分享此内容可以赚币 分享](/master/images/share_but.png)
基于大数据推理的装备健康状态控制决策.pdf
《基于大数据推理的装备健康状态控制决策.pdf》由会员分享,可在线阅读,更多相关《基于大数据推理的装备健康状态控制决策.pdf(10页珍藏版)》请在咨信网上搜索。
1、第 6 卷 第 3 期2023 年 9 月空天防御AIR&SPACE DEFENSEVol.6,No.3Sept.,2023基于大数据推理的装备健康状态控制决策郭璐1,2,刘晓东2,王玉峰1,张振1(1.江南机电设计研究所,贵州 贵阳550009;2.空军工程大学 装备管理与无人机工程学院,陕西 西安710051)摘要:针对武器装备健康状态精确控制的需求,提出了基于大数据综合推理的武器装备健康状态控制决策方法。首先,对武器装备全寿命周期数据进行采集与处理,形成以武器装备健康状态为特征属性之一的知识库;其次,根据武器装备健康状态动态控制流程,提出综合案例库推理和规则库推理的机制;再次,采用K近邻
2、算法计算相似度进行案例推理和采用事实特征集合匹配进行规则推理,并不断形成新知识;最后,以某型武器装备液压系统为例,根据其健康监测及其他属性特征数据推理出控制策略。仿真结果表明:融合大数据的综合推理方法能提供与武器装备健康状态相适应的精细且准确的动态控制决策,可为实现武器装备健康状态精确管理提供有力支撑。关键词:大数据;健康状态;控制决策;综合推理中图分类号:TP 391 文献标志码:A 文章编号:2096-4641(2023)03-0085-10Control Decision of Equipment Health State based on Big Data ReasoningGUO L
3、u1,2,LIU Xiaodong2,WANG Yufeng1,ZHANG Zhen1(1.Jiangnan Institute of Mechanical and Electrical Design,Guiyang 550009,Guizhou,China;2.School of Equipment Management and UAV Engineering,Air Force Engineering University,Xian 710051,Shaanxi,China)Abstract:To acquire precise control of weaponry and equipm
4、ent health state,a decisive control method is proposed using comprehensive reasoning of big data.First,the whole life cycle data of weaponry and equipment was collected and processed to form knowledge as one of the characteristic attributes.Then,according to the dynamic control flow of weaponry and
5、equipment health state,a mechanism of an integrated case using reasoning and rule base reasoning was proposed.Thirdly,the k-nearest neighbour algorithm is used to calculate similarity for case-based reasoning,and fact feature set matching was used for rule reasoning where new knowledge was constantl
6、y formed.Finally,taking the hydraulic system of a certain weapon as a case study,the control strategy was deduced from its health monitoring and other attribute data.The simulation results show that the integrated intelligent reasoning method integrated with big data can generate precise and accurat
7、e dynamic control decisions adapted to the health state of weaponry and equipment,and can effectively support the accurate management of the health state of weaponry and equipment.Keywords:big data;health state;control decision;comprehensive reasoning0引 言现代高科技战争不仅重视武器装备的作战性能,更重视武器装备的保障能力。从某种程度来看,武器装
8、备的维修保障能力已成为影响装备作战效能发挥的关键因素之一。对于武器装备而言,由于其在执行收稿日期:2022-10-12;修订日期:2023-08-09基金项目:国防基础科研项目(JCKY2017204A011)作者简介:郭璐(1991),女,博士研究生,高级工程师,主要研究方向为武器装备综合保障设计。空天防御第 6 卷任务的过程中外界与自身情况复杂多变,且常处于湿热、霉菌、盐雾或高原等环境,装备系统或其零部件会因受到打击而发生故障,或随时间、空间的推移及环境的变化而产生磨损、腐蚀、断裂、老化等,使其失去原有的性能,甚至功能,导致武器装备工作效率降低或任务中断1。为逆转武器装备的“亚健康”状态,
9、减少故障的发生,故障预测与健康管理(Prognostics Health Management,PHM)技术2应运而生,并成为以美国为代表的军事强国的重点发展方向3。目前,关于武器装备健康管理方面的研究大多是故障预测4与健康状态评估5,关于健康控制决策的研究较少。其原因是武器装备部件退化程度差异大,保障资源、维护人员、修复时间等约束多,很难根据武器装备健康等级、自身组成结构及系统任务等确定恰当的控制策略,以减缓武器装备健康状态退化、降低武器装备故障率且避免过度维修6。有学者针对武器装备维修保障决策开展了各种推理研究7,主要包括基于规则的推理(Rule-Based Reasoning,RBR)8
10、与基于案例的推理(Case-Based Reasoning,CBR)9。其中较多的是基于故障的维修推理研究10-11,且维修效果的好坏很大程度上依赖于领域专家的经验12。目前,少有基于武器装备健康状态的推理研究,监测到武器装备健康状态退化后无法实现适应装备状态的精细化控制,很大程度上是因为未能充分利用武器装备全寿命数据。武器装备在全寿命周期内产生了大量的研制数据、试验数据、使用数据、维修保障数据、技术状态数据、实时性能数据等多个维度的数据,涉及保障指标数据、仿真数据、试验数据、测试数据等结构化数据,装备图像、设计文档、模型、程序等非结构化数据和故障监测等实时数据13。这些数据具有来源广、类型多
11、样、内容复杂等特点,具备大数据典型的“4V”特征14,即:Volume,数量巨大;Variety,类型多样;Velocity,变化快速;Value,价值巨大。目前,武器装备数据量已达到TB级别,未来将达到PB级别;武器装备包括大量的视频、图片、文本、声音等非结构化数据,且未来非结构化数据与结构化数据比值将会不断升高;武器装备不断产生新的测试、使用、维修等数据,数据更新快,且很多数据如健康状态数据,必须及时处理才能得到应用价值;武器装备数据价值巨大,数据密度低,经技术手段处理后,能提供极大价值的信息15。如何有效利用这些数据制定装备健康状态控制决策是大量学者及科研人员需要研究的重点,也是提升武器
12、装备精确保障能力亟需解决的问题16。由于武器装备是技术和资金密集,可靠性、安全性和经济性要求高的大型系统,在武器装备健康状态控制决策的过程中,控制决策内容繁多17,工作程序复杂,决策精度要求高18,仅仅依靠部分领域专家的经验是不可能实现精确控制的19。运用维修决策理论和大数据分析技术研究武器装备健康状态控制决策是非常有必要的20-21。本文以大数据作为支撑,充分利用武器装备全寿命周期产生的装备技术状态、综合保障设计、保障资源、装备使用、装备维修等类信息,利用大数据技术对故障趋势、健康规律、任务影响、资源动态等信息进行挖掘,形成知识库。根据武器装备个体的健康状态和任务、保障条件要求,制定以健康状
13、态为特征的动态控制策略,形成案例库和规则库,结合 RBR 与 CBR实现基于武器装备系统整体运行状态和装备个体差异的控制策略,从传统被动的基于故障的保障模式向主动的基于健康状态的精确保障模式转变。1装备健康状态控制架构针对武器装备任务及结构特点,分析影响武器装备构成中各类产品的维修决策影响因素。面向动态精准控制的需要,结合推理决策模型和维修优化模型的特点,提出实施动态控制的流程以及融入大数据的决策支持方案,实现基于个体实际健康状态数据和群体历史事件数据的动态控制决策。武器装备健康状态控制流程如图1所示,健康状态控制大数据系统架构如图2所示。构建武器装备健康状态控制大数据系统,实现武器装备全寿命
14、周期各类静态和动态数据采集与处理,为健康状态动态控制提供决策支持。采集装备履历数据、状态数据与保障资源数据,履历数据包括装备在工业部门及交付用户之后所产生的运输、贮存、训练、演习、加改装、延寿等数据;状态数据包括装备自身传感器、BIT检测电路的所有测试、状态感知,以及工作过程中产生的其他与功能和性能相关的数据;保障资源数据包括武器装备的技术资料、备附件、器材、消耗品、保障设备与设施、工具等资源的配置与使用数据。将武器装备原始数据按统一格式规定存储形 86第 3 期郭璐,等:基于大数据推理的装备健康状态控制决策成数据库,部分数据库列表如图3所示。对这些数据进行提取、分析与挖掘等处理后,形成知识库
15、,不断完善、优化,形成健康状态控制决策集。武器装备大数据系统总体视图如图4所示。图1武器装备健康状态控制流程Fig.1Health state control process of weaponry and equipment图2健康状态控制大数据系统架构Fig.2Big data system architecture for health state control图4武器装备大数据系统总体视图Fig.4Overall view of weaponry and equipment big data system图3武器装备数据库列表视图Fig.3Database list view of
16、weaponry and equipment 87空天防御第 6 卷2综合推理决策模型2.1综合推理流程利用大数据挖掘技术形成基于知识的维修决策规则库与案例库,采用专家系统原理构建 RBR 与CBR机制,融合普通规则与模糊逻辑处理健康状态控制问题,并结合控制决策结论不断优化决策模型,提高维修决策效率。基于武器装备健康状态的综合推理技术路线如图5所示。根据装备健康状态确定控制决策,采取如下步骤:(1)输入武器装备待决策项目,形成决策事实特征集合。决策项目可以是武器装备的任意一个健康状态退化或故障对象,如弹体的定期维护,密封圈的更换等。(2)将决策事实特征集合与武器装备维修案例库中的案例进行匹配。
17、决策项目的事实特征集合需要详细、具体的表达,通过知识匹配技术,对匹配度高的案例进行调用。匹配成功则转入步骤(4),匹配不成功则转入步骤(3)。(3)将决策事实特征集合与武器装备维修规则库中的规则前提进行匹配。决策项目的事实特征集合表达需符合规则前提的表述要求,从关键字库中选择,能够反映决策项目的待决策状态。匹配成功则转入步骤(5),匹配不成功则转入步骤(6)。(4)执行当前案例。匹配武器装备维修案例库成功,则执行当前案例,生成决策方案。(5)执行当前规则。匹配武器装备维修规则库成功,则根据武器装备健康状态等级执行相应规则,生成决策方案。(6)产生新知识。匹配武器装备维修规则库不成功,则扫描下一
18、条规则,若穷尽扫描后仍没有匹配的图5基于武器装备健康状态的综合推理技术路线Fig.5Technical route of comprehensive reasoning 88第 3 期郭璐,等:基于大数据推理的装备健康状态控制决策规则,则产生新知识。控制决策综合推理的过程就是基于现有数据和事实特征集合进行相似维修案例分析、检索、重用及修改,和(或)基于已设置的推理规则进行规则推理,得到维修策略的过程。基于武器装备健康状态特征众多的实际情况,采取以案例推理为入口,将案例推理的结果作为信息输入,开始规则推理。案例库中的案例大多是针对故障装备,为提高或恢复装备使用可用度给出的完全维修方案,其目标使用
19、可用度、故障恢复费用、维修停机时间等属性是确定的,且考虑的决策约束条件较少。当事实特征集合中决策目标和决策约束与案例库中的案例相关属性进行匹配时,完全匹配的可能性较小,多数情况下只能进行相似匹配。规则库中的规则大多是针对健康状态退化的装备,将装备事实特征集合中健康状态退化程度、结构关联性、任务影响、控制决策目标、决策约束等与规则进行匹配,根据匹配结果给出继续工作、降级使用、成组最小维修、成组完全维修、成组更换、立即更换、立即最小维修或立即完全维修的动态控制策略。2.2基于案例的推理分析基于案例的推理是一个包括5个子过程的动态循环模型。针对武器装备健康状态控制问题,不断形成新案例、旧案例、解决的
20、案例、修改过的案例、学习后的案例,经循环匹配,形成控制策略。基于案例的推理循环如图6所示。进行案例推理时,通过案例相似度的计算将健康状态控制目标案例P与案例库案例B进行匹配。P与B关于属性i的相似度,表示为S(aPi,aBi)。若i为定量型属性,则可用数值度量,其相似度计算式为S(aPi,aBi)=1-|aPi-aBiMAXi-MINi(1)式中:aPi为目标案例P关于属性i的数值;aBi为案例库案例B关于属性i的数值;MAXi、MINi分别为在P、B的集合中属性i的最大值与最小值。若i为定性型属性,则可用符号度量,其相似度计算式为S(aPi,aBi)=1,aPi=aBi0,其他(2)当 P
21、与 B 关于同一属性的符号特征相同时,其S(aP,aB)为1,否则为0。基于案例的检索流程如图7所示。检索过程存在3种情况:检索精确成功、检索非精确成功、检索不成功。检索精确成功就是不需利用K近邻算法计算与分析就能在B中找出匹配成功的案例。若P的属性个数为n,当检索成功且检索结果唯一时,需对每个案例最少进行1次比较,最多进行n次比较。检索非精确成功就是在B中找到多个相似度差异不大的案例(相似案例集),需对其中的案例采用K近邻算法进行匹配。检索不成功也存在两种情况:完全检索不到相似案例;检索到的相似案例集中的案例均不符合设定的标准。完全检索不到相似案例意味着B中所有案例的属性值均不在P的属性区间
22、内,若B中的案例数为m,则需进行m次比较。基于检索非精确成功的情况,对相似案例集中的案例进行K近邻算法匹配后,可找出B中与P相似度最大的案例。找出此案例后,还需衡量S(aP,aB)与案例相似性阈值ST(aP,aB)的关系,以验证该案例是否有效。当S(aP,aB)ST(aP,aB)时,则认为无相似案例,检索不成功。图6基于案例的推理循环Fig.6Case-based reasoning loop图7案例的检索流程Fig.7Case retrieval flow 89空天防御第 6 卷2.3基于规则的推理分析2.3.1基于健康状态的决策事实特征分析在制定武器装备健康状态控制策略时,需要通过对事实特
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 数据 推理 装备 健康 状态 控制 决策
![提示](https://www.zixin.com.cn/images/bang_tan.gif)
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。