数据驱动的导弹电子系统自适应过程监控技术研究

Electronic system is one of the most important system of missile. In order to guarantee that the missile can go into action at any time, it is necessary to ensure the good technical performance of the electronic system of missile at all times. The research of domestic and overseas indicates that, multivariate statistics method based on data driven can effectively solve the problem of performance modeling and process monitoring of this type of systems. This method has two key techniques need to be researched: the features extraction technique and process monitoring method based on features extraction technique. This project intends to adopt the multivariate statistics methods based on data driven to conduct the research on features extraction and adaptive process monitoring for electronic system of missile. The main research contents are as follows: 1) Multi-characteristic neural networks algorithms for features extraction and their convergence analysis methods; 2) Adaptive process monitoring methods based on neural networks algorithms; 3) Comprehensive experiments of novel methods using in electronic system of missile. The research findings can provide process monitoring and fault diagnosis of electronic system with technical support.

弹上电子系统是导弹关键系统之一。为实现导弹“随时能战”的要求，需要实时监测导弹电子系统以确保其随时处于良好的技术状态。国内外研究表明，数据驱动的多元统计方法可以有效解决此类系统的性能建模与过程监控问题，该类方法有两大关键技术：特征信息提取技术和基于特征提取技术的过程监控方法。项目拟采取数据驱动的多元统计方法，开展导弹电子系统特征信息提取及自适应过程监控关键技术研究。主要研究内容包括：1)多特性特征提取神经网络算法及其收敛性分析方法；2)基于神经网络算法的自适应过程监控方法；3)新技术在导弹电子系统上的综合实验验证。项目研究成果可为建立导弹电子系统过程监控和故障诊断系统提供关键技术支持。

为掌握导弹电子系统在贮存过程中的性能变化情况、及时发现其潜在故障并针对性给出维修建议，从而有效提升武器装备性能和寿命，项目针对电子系统自适应过程监控技术问题，在特征提取神经网络算法及收敛性分析、自适应过程监控、阵列天线信号处理等方面开展了系列研究，取得了相关研究成果。.在特征提取算法及其收敛性分析研究方面：提出了几种同时具备自稳定性、双目的特性、多特征向量并行提取（或特征子空间跟踪）能力、特征对提取等多种特性的算法，实现了多广义特征对或主奇异三元组信息的并行提取。相比传统单特性算法，这些算法更具普适性。首次提出采用确定性离散时间（DDT）方法进行奇异值分解（SVD）算法收敛性分析的思路，揭示了SVD算法的动力学特性，拓展了DDT方法的适用范围。另外，以PAST次子空间跟踪算法为代表，详细分析了次成分提取信息准则的加权规则的方向收敛特性。.在自适应过程监控技术研究方面：针对故障重构问题，提出了一种基于广义主成分分析（GPCA）方法的故障子空间重构方法，利用GPCA方法的相关信息提取能力提高了故障子空间重构的准确性；提出了一种动态GPCA思路并应用到故障子空间建模中，获得了更加精确的故障子空间。针对过程监控问题，提出了一种具备复杂度低且能实现模型动态更新的高维慢时变过程监控技术，且首次实现了故障工况条件下的监控模型更新，提升了数据利用效率；设计了具有虚警反馈机制的质量相关故障重构诊断策略，以较低维的故障子空间实现了故障重构；设计了一种具有输入阻抗高、稳定性好、抗干扰性能强等优点的隔离信号放大电路，可为过程监控提供更加纯净真实的监测数据；提出了一种基于广义主成分的故障确定方法及系统，可实现多种故障的准确诊断；提出一种基于信息增量的软阈值过程监控方法，使监控阈值随着新数据的输入而动态实时更新，提高了对正常数据和异常数据的区分能力，可有效提升监控效率，降低误报率、漏报率。.在导弹电子系统阵列天线信号处理方法研究方面：设计了失配滤波器、提出了一种两稀疏均匀线阵交错嵌套的新型线阵结构以及多种稳健的自适应波束形成算法，可为导弹电子系统积累大量可用的过程数据，为更好实现电子系统过程监控提供数据支持。.项目相关研究成果可应用于导弹电子系统性能状态的实时监测，为武器装备性能维护提供数据支持，也可用于其他武器装备电子系统以及工业过程中的生产设备性能监控。