故障診斷技術在武器裝備維修中的應用研究獲獎科研報告摘

要：伴隨國家經(jīng)濟社會發(fā)展水平不斷提升，軍隊武器裝備體系越來越完善，功能也日漸多樣化。為了進一步提升武器裝備維修成效，越來越多的智能化診斷技術應用于設備維護管理工作中，取得了較好的成效。本文首先闡述了武器裝備維修中故障診斷技術的應用實際情況，總結目前應用方面的不足，并著重探討了加強故障診斷技術在武器裝備維修中應用的具體措施建議等，以供參考。

關鍵詞：武器裝備維修;故障診斷;問題;應用;非線性

隨著科技水平不斷提升，在設備維護保養(yǎng)檢修領域越來越多的智能化技術融入其中。在部門武器裝備維修中，由于其專業(yè)裝備配置精度高，功能多樣化，結構比較復雜，所以增加了故障診斷難度。為了更好地提升武器裝備維修故障診斷成效，需要加強日常維護保養(yǎng)，同時還應當結合實際積極探索更加智能化高端化的狀態(tài)與故障診斷技術體系，這樣才能更好地保障其功能的發(fā)揮。

一、故障診斷技術的內涵及在武器裝備維修領域應用情況綜述

故障診斷技術最早是在二十世紀六十年代起步開始研究的，從起先在飛機、航空航天領域進行應用探索，發(fā)展到后來逐漸在船舶、石油化工、冶金以及礦山開采、核能設備與動力設備等領域進行應用。近年來隨著互聯(lián)網(wǎng)技術的發(fā)展，人工智能、模式識別以及非線性理論、自適應理論的不斷發(fā)展和技術的持續(xù)升級，在故障的鑒別診斷等方面越來越多地開展以來現(xiàn)代化智能技術來進行探測和評估。目前在故障診斷技術方面形成了更加系統(tǒng)化的理論體系，也經(jīng)過不斷的實踐探索積累了豐富的經(jīng)驗。越來越多的領域應用故障診斷技術后取得了顯著的成效，在設備檢修費用節(jié)省等方面取得了很大的效果。

故障診斷從宏觀的范疇看應當包含狀態(tài)檢測、故障診斷兩大體系。前者主要是對設備實施檢測診斷并將檢測結果和相關的歷史數(shù)據(jù)進行比對分析進而更好地掌握設備性能的管理技術體系。后者主要是通過對設備預計或已經(jīng)發(fā)生的故障通過科學的方法來進行鑒別、診斷，從而找出發(fā)生故障的具體原因、部位、類型以及嚴重程度和發(fā)展趨勢等，為相關人員或部門提供重要的信息參考，最大限度降低損失的技術體系。

在軍隊武器裝備維修領域故障診斷技術水平一定程度上體現(xiàn)了科技發(fā)展質量。加強故障診斷有助于及時發(fā)現(xiàn)故障或潛在隱患，進而更好地降低風險。總結分析目前在武器裝備維修領域的應用情況，還存在一些不足，主要體現(xiàn)在：

1.故障診斷方法在鼓掌判斷等方面還存在一定的局限性。故障診斷通常會導致模型參數(shù)、結構等發(fā)生不同的變化，如何進行精準鑒別目前技術還需要不斷升級。

2.故障診斷方法數(shù)據(jù)庫體系需要不斷優(yōu)化。加強武器裝備維修故障診斷需要完善數(shù)據(jù)庫體系，這樣可以更好地進行排查和自動化檢測，但是目前在數(shù)據(jù)庫體系建設方面開展力度不夠。此外在非模型故障診斷方面的技術還有待進一步加強研究和探索。通常情況下尚未實現(xiàn)故障的直接定位，在故障的預測和精細化診斷方面還有很多需要提升的地方，這也是目前故障診斷技術的升級過程中遇到的嚴峻挑戰(zhàn)。

二、武器裝備維修中故障診斷技術的應用研究與前景分析

隨著智能化技術的發(fā)展越來越多的非線性故障診斷技術得以應用，且在眾多的領域發(fā)揮了較大的優(yōu)勢。在武器裝備維修過程中隨著設備類型日益復雜化，設備發(fā)生故障的概率不斷增多，故障問題也更加繁雜，為了進一步提升故障診斷成效，越來越多的非線性故障診斷技術出現(xiàn)，運用非線性方式和技術對武器裝備的系統(tǒng)等進行檢驗和分析，為解決線性化處理結果等提供了重要的支持。目前在武器裝備維修中故障診斷技術在非線性故障診斷方面主要的方法有三種，分別為基于解析模型的診斷技術、基于知識（包含癥狀、定型模型）的診斷技術以及基于信號處理的診斷技術。

基于解析模式的診斷技術最初是在1971年研發(fā)出來的，還可以細分為狀態(tài)診斷技術、參數(shù)診斷技術以及等價空間診斷技術三大類?；谥R的診斷技術可以細分為癥狀和定型模型兩大類診斷技術，并且還可以分成神經(jīng)網(wǎng)絡診斷法、模糊邏輯診斷法、模式識別診斷法以及一些定性診斷法等等，基于信號處理的診斷技術還可以細分為基于小波變換、高價譜分析、主元分析、混沌與分型診斷技術等。目前這些技術都形成了相對完善的理論體系，也在武器裝備維修領域進行了應用，具有廣闊的發(fā)展前景。

除了上述診斷技術以外，隨著技術不斷升級，神經(jīng)網(wǎng)絡與分形在非線性故障診斷中應用也非常廣泛。神經(jīng)網(wǎng)絡技術主要是基于故障診斷網(wǎng)絡模型、網(wǎng)絡學習訓練算法等進行分應用，目前可以基于預測視角進行預測模型的動態(tài)構建和分析，也可以基于模式識別視角進行分類器輔助診斷，當然神經(jīng)網(wǎng)絡技術也有其自身的局限性，比如容易受到訓練樣本數(shù)的限制導致分析過程透明度不夠，在進行診斷知識數(shù)字化的過程中會導致信息丟失等，所以通常需要和專家系統(tǒng)進行融合應用才能提高應用成效。

結語