杜晓明，郭德兴，朱 宁，姜相争

（1.陆军工程大学指挥控制工程学院，南京 210007；2.陆军工程大学石家庄校区，石家庄 050003；3.解放军72456 部队，山东 潍坊 261305）

0 引言

随着基于状态的维修（Condition Based Maintenance，CBM）、故障预测与健康状态管理（Prognostic and Health Management，PHM）等概念的提出，当前装备维修由以手册为中心的事后检测发展为以信息为中心的状态监测与分析，先进的分析技术集成于装备及其服务中，对应系统亦被称为赛博物理系统（Cyber-physical Systems，CPS）［1］。CPS 在装备维修领域的典型应用便是基于交互式电子技术手册（Interactive Electronic Technical Manuals，IETM）的智能维修系统。IETM 拥有大量装备基本原理、使用操作和维修保障等数据，可以构成一个数字化的装备信息空间，为装备使用保障人员提供交互式的推理决策支持，因此，装备故障诊断与修复是其中一项关键内容。

目前，该方向研究的热点之一是如何完善CBM/PHM 与IETM 系统的有机集成，以提高装备故障诊断的高效性与准确性。对此，学者Cooper 率先提出了基于IETM 和CBM 的自适应诊断与单兵技术支持系统［2］，后续美军给予重点关注，开发类似“虚拟维修系统”、“智能维修系统”［3］。美海军在给V22 鱼鹰飞机开发的综合自动维修环境优化系统（CAMEO）中实现了IETM 系统与其地面数据站的信息集成，F-22 战斗机IETM 通过与其CBM 系统集成，实现5 级IETM 功能［4］。国内李磊、吴永明等提出在现有IETM 框架下进行功能扩展，实现与故障诊断系统和专家系统的融合［5-6］。Gang Niu 等则提出了模糊语义推理和状态融合诊断相集成的IETM 智能维修系统［7］，上述系统或方法主要关注两方面，一是加强CBM 与IETM 之间的数据共享，二是基于CBM 数据增强IETM 的推理能力。……