赵丽琴,刘 昶,易发胜

(成都大学 信息科学与工程学院,成都 610106)

雷达是现代防空探测预警系统的重要设备,结构复杂,使用频率高,从而导致故障率高.为保障作战任务的顺利完成,及时了解雷达装备的健康状态具有非常重要的意义.特别是雷达发射机是雷达的核心功能部件,具有高功率、大电流、高电压及热耗大等工作特点,可靠性最低,保障难度大.因此选择雷达发射机作为健康状态研究对象,具有典型的指导意义和实用价值[1].

健康状态的评估主要有两种,一种是评估设备的健康状态等级.比如按照国军标的要求,雷达可分为健康、亚健康、注意、恶化、病态等5 个等级[2],也有根据实际情况分为健康、注意、警告、故障等4 种状态的.另一种则是对健康状态的量化,分析设备的健康度,可以更加准确的反映设备的健康程度,避免了分级的不统一性和粗放型.目前大部分健康状态评估研究是评估设备的健康状态等级,其本质是利用采集参数进行数据融合,确定设备的健康等级类别[3].鉴于设备健康状态的模糊性,采用模糊综合评判方法进行健康状态评估是一种广泛使用的方法[4-6].随着大数据分析技术的成熟,利用机器学习进行健康状态评估的研究也不断涌现[7,8].

设备健康度一般用0 到100 的范围来说明设备的健康程度.其中0 表示故障状态,100 表示非常健康的状态.为了更加准确地判断设备的健康程度,目前对设备健康度的研究日益增多.文……