吴婕 吕永乐

摘 要：针对雷达故障预测与健康管理（PHM）技术工程实现中性能参数变化趋势预测准确度不高的问题，提出一种基于多项式系数自回归（PCAR）模型的性能参数预测方法。首先，介绍了PCAR模型的形式及其阶次、参数确定方法，该模型相对于传统的线性模型扩大了模型选择范围，有效降低了建模偏差;然后，为了进一步提高预测准确度，采用基于奇异值分解滤波算法（SVDFA），选取最优门限值，将性能参数监测序列拆分成与各个失效因素对应的子序列，最后分别采用不同阶次的PCAR模型来预测序列未来值。仿真实验结果表明，所提出的联合PCAR模型的组合预测方法同单一自回归滑动平均模型（ARMA）的预测结果相比，三个监测序列的预测准确度分别提高了79.7%、97.6%和82.8%。实验结果表明该预测方法可应用于雷达性能参数的预测，有利于提高雷达的工作可靠性。

关键词：雷达性能参数;故障预测与健康管理; 多项式系数自回归模型; 序列分解;最优组合预测;基于奇异值分解滤波算法

中图分类号：TP206.3

文献标志码：A

文章编号：1001-9081（2019）04-1117-05

0 引言

故障预测与健康管理（Prognostics and Health Management， PHM）技术是综合保障向监测、诊断、预测和维修一体化方向发展的产物[1]，对降低雷达全寿命周期维修保障成本、提高可用度具有重要作用。预测功能的引入是PHM系统的典型特征。如何提高预测准确度是雷达故障预测技术研究的重点。

在常用的故障预测方法中，基于累积损伤模型的方法需要深入研究对象的物理模型和失效机理，虽然预测准确度较高，但不适用于组件数量庞大、内部电磁环境复杂的雷达系统。……