基于數(shù)據(jù)的雷達(dá)產(chǎn)品快速排故技術(shù)研究*

王超，林濤，王蕾，孫曉娜，高心軍，宋立軍

（1. 北京無線電測量研究所，北京 100854；2. 國防科技大學(xué) 空天科學(xué)學(xué)院，湖南 長沙 410073）

0 引言

從目前國內(nèi)雷達(dá)產(chǎn)品使用情況來看，為了適應(yīng)新時(shí)期的需求，雷達(dá)產(chǎn)品不斷提高電子化、信息化水平，雷達(dá)產(chǎn)品出現(xiàn)種類多、技術(shù)難度越來越復(fù)雜的現(xiàn)象。雷達(dá)產(chǎn)品出現(xiàn)故障時(shí)，用戶進(jìn)行故障排除主要參考的都是廠家交付的資料，這些資料信息不全面，能考慮到的故障原因有限，其排故過程基本上是以BIT 能報(bào)出來的故障現(xiàn)象為主，然后直接對(duì)應(yīng)到某個(gè)LRU 的更換，主要偏重經(jīng)驗(yàn)總結(jié)和表述。用戶對(duì)產(chǎn)品突然出現(xiàn)的故障，特別是復(fù)雜故障，不能快速對(duì)其定位和解決，降低了產(chǎn)品保障效率。

針對(duì)以上情況，廠家需要積極發(fā)揮自身的技術(shù)優(yōu)勢，利用產(chǎn)品使用過程中，積累的大量使用數(shù)據(jù)，特別是復(fù)雜故障數(shù)據(jù)，綜合設(shè)計(jì)、環(huán)境等數(shù)據(jù)，對(duì)這些產(chǎn)品使用過程中實(shí)際發(fā)生的數(shù)據(jù)進(jìn)行挖掘和分析，利用故障現(xiàn)象和故障原因進(jìn)行識(shí)別和診斷，提煉出故障排查的有效策略，形成故障排查指導(dǎo)手冊(cè)等形式的指導(dǎo)文件，以指導(dǎo)用戶快速定位故障，解決問題，提升用戶自身的排故能力。

1 基于數(shù)據(jù)的雷達(dá)產(chǎn)品快速排故技術(shù)

基于數(shù)據(jù)的雷達(dá)產(chǎn)品快速排故技術(shù)分為數(shù)據(jù)收集、模型研究、平臺(tái)搭建、實(shí)例驗(yàn)證4 個(gè)部分。如圖1 所示。

圖1 基于數(shù)據(jù)的雷達(dá)產(chǎn)品快速排故技術(shù)Fig.1 Rapid troubleshooting technology for radar products based on data

其中數(shù)據(jù)收集主要是作為基于數(shù)據(jù)的雷達(dá)產(chǎn)品快速排故技術(shù)研究的數(shù)據(jù)輸入，收集雷達(dá)產(chǎn)品的設(shè)計(jì)數(shù)據(jù)、使用數(shù)據(jù)和環(huán)境數(shù)據(jù)，建立雷達(dá)產(chǎn)品綜合保障數(shù)據(jù)庫。

模型研究主要是對(duì)分層推理集合搜索技術(shù)模型的研究。該模型由多信號(hào)流分層推理模型和集合搜索推理機(jī)模型構(gòu)成，前者主要用于故障現(xiàn)象和故障點(diǎn)之間的相關(guān)性矩陣生成，后者利用前者的相關(guān)性矩陣推導(dǎo)出有效排故策略。

平臺(tái)搭建主要是以分層推理集合搜索技術(shù)模型為核心算法，開發(fā)雷達(dá)產(chǎn)品快速排故手冊(cè)自動(dòng)生成軟件，結(jié)合實(shí)際產(chǎn)品數(shù)據(jù)，對(duì)生成的排故策略進(jìn)行權(quán)重排序和仿真驗(yàn)證。

實(shí)例驗(yàn)證是以雷達(dá)產(chǎn)品綜合保障數(shù)據(jù)庫中的某型產(chǎn)品數(shù)據(jù)為輸入，利用雷達(dá)產(chǎn)品快速排故手冊(cè)自動(dòng)生成軟件生成排故手冊(cè)樣例。

1.1 雷達(dá)產(chǎn)品綜合保障數(shù)據(jù)庫

雷達(dá)產(chǎn)品綜合保障數(shù)據(jù)庫作為基于數(shù)據(jù)的雷達(dá)產(chǎn)品快速排故技術(shù)研究的數(shù)據(jù)基礎(chǔ)，是開展后續(xù)工作的首要條件和輸入。雷達(dá)產(chǎn)品綜合保障數(shù)據(jù)庫以使用數(shù)據(jù)（重點(diǎn)是故障數(shù)據(jù)）為主，還包括設(shè)計(jì)數(shù)據(jù)和環(huán)境數(shù)據(jù)等。數(shù)據(jù)的收集來源有2 個(gè)：①用戶記錄的大量產(chǎn)品使用信息；②作為廠家售后服務(wù)信息化平臺(tái)提供的產(chǎn)品售后信息，以及相關(guān)設(shè)計(jì)平臺(tái)提供的產(chǎn)品設(shè)計(jì)信息等。

建立雷達(dá)產(chǎn)品綜合保障數(shù)據(jù)庫的工作流程包括：確定數(shù)據(jù)來源、分類收集數(shù)據(jù)、對(duì)數(shù)據(jù)進(jìn)行預(yù)處理、形成正式數(shù)據(jù)進(jìn)行存儲(chǔ)。工作流程圖如圖2所示。

圖2 數(shù)據(jù)收集工作流程Fig.2 Data collection workflow

（1）明確數(shù)據(jù)來源：根據(jù)雷達(dá)產(chǎn)品的生產(chǎn)和使用情況，用戶和廠家都積累了大量的相關(guān)數(shù)據(jù)，可以作為雷達(dá)產(chǎn)品綜合保障數(shù)據(jù)庫的有效來源。

（2）數(shù)據(jù)分類收集：根據(jù)數(shù)據(jù)來源角色的特點(diǎn)，記錄的數(shù)據(jù)各有偏重，用戶主要記錄產(chǎn)品使用數(shù)據(jù)，包括產(chǎn)品基本數(shù)據(jù)、故障數(shù)據(jù)和備件數(shù)據(jù)等。廠家作為產(chǎn)品的研制生產(chǎn)單位，側(cè)重于記錄產(chǎn)品設(shè)計(jì)數(shù)據(jù)和環(huán)境數(shù)據(jù)，也包括售后服務(wù)產(chǎn)生的產(chǎn)品故障數(shù)據(jù)等使用數(shù)據(jù)［1-2］。

（3）數(shù)據(jù)預(yù)處理：數(shù)據(jù)預(yù)處理主要包括清洗、篩選等。數(shù)據(jù)的清洗原則主要針對(duì)不完整的數(shù)據(jù)、重復(fù)的數(shù)據(jù)和無意義的數(shù)據(jù)，數(shù)據(jù)經(jīng)過預(yù)處理后作為正式數(shù)據(jù)進(jìn)行存儲(chǔ)［3］。

（4）數(shù)據(jù)存儲(chǔ)：經(jīng)過預(yù)處理的數(shù)據(jù)按數(shù)據(jù)的大小和類別進(jìn)行存儲(chǔ)，數(shù)據(jù)導(dǎo)入分為全量導(dǎo)入和增量導(dǎo)入，方便后續(xù)數(shù)據(jù)的積累更新［4-5］。

數(shù)據(jù)按產(chǎn)品階段分為：產(chǎn)品研制階段的設(shè)計(jì)數(shù)據(jù)、產(chǎn)品使用階段的使用數(shù)據(jù)和環(huán)境數(shù)據(jù)。

1.2 分層推理集合搜索技術(shù)模型

如圖3 所示，分層推理集合搜索技術(shù)模型由多信號(hào)流分層推理模型與集合搜索推理機(jī)模型組成，其中多信號(hào)流分層推理模型將故障點(diǎn)和故障現(xiàn)象轉(zhuǎn)化為各種信號(hào)，依據(jù)雷達(dá)產(chǎn)品的層次結(jié)構(gòu)，分析功能故障與系統(tǒng)故障的關(guān)系，利用有向圖的傳播路徑，形成故障相關(guān)性矩陣。集合搜索推理機(jī)模型提供了一種診斷推理算法，該算法依據(jù)多信號(hào)流分層推理模型產(chǎn)生的故障相關(guān)性矩陣，通過故障現(xiàn)象等數(shù)據(jù)輸入，推理出有效的排故策略。

圖3 分層推理集合搜索技術(shù)模型Fig.3 Hierarchical reasoning set search technology model

1.2.1 多信號(hào)流分層推理模型

雷達(dá)系統(tǒng)一般有多個(gè)分系統(tǒng)組成，包括接收機(jī)系統(tǒng)、發(fā)射機(jī)系統(tǒng)、信號(hào)處理系統(tǒng)、伺服系統(tǒng)、指控系統(tǒng)等等，分系統(tǒng)下還包括多個(gè)組合，組合內(nèi)包含多個(gè)插板和元器件。依據(jù)雷達(dá)產(chǎn)品的系統(tǒng)分層結(jié)構(gòu)關(guān)系，多信號(hào)流分層推理模型可以結(jié)合雷達(dá)系統(tǒng)分層組成結(jié)構(gòu)進(jìn)行分層推理，完成系統(tǒng)故障到故障產(chǎn)品的推理連接。

故障產(chǎn)品作為模型節(jié)點(diǎn)即信號(hào)，不同的故障現(xiàn)象作為測試輸入，該模型從多維測試屬性為起點(diǎn)，判定雷達(dá)系統(tǒng)中二者之間的因果聯(lián)系。從模型表現(xiàn)形式上說，多信號(hào)模型以下列這些元素構(gòu)成：

有限的系統(tǒng)構(gòu)成元件集 C=｛c1，c2，…，cL｝；

n 維測試集 T=｛t1，t2，…，tn｝；

每個(gè)測試點(diǎn)TPp對(duì)應(yīng)一組測試集SP（TPp）；

每個(gè)元件ci影響一組信號(hào)集SC(ci)；

每個(gè)測試tj檢測一組信號(hào)ST(tj)；

有向圖 DG=｛C，TP，E｝，其中，系統(tǒng)的物理連接由有向圖的邊E 表示。

多信號(hào)流分層推理模型更接近系統(tǒng)的物理結(jié)構(gòu)，是由于其自身覆蓋了多個(gè)信息流模型。此外，“信號(hào)”可以用來對(duì)應(yīng)構(gòu)成系統(tǒng)功能的獨(dú)特屬性或者系統(tǒng)傳輸功能中的獨(dú)立單元。因而，可能的信號(hào)數(shù)量是一個(gè)比較小的可數(shù)集，并且通過定義不相關(guān)性，信號(hào)故障模式不會(huì)對(duì)其他的信號(hào)產(chǎn)生影響［6-8］。

（1）多信號(hào)分層建模

對(duì)復(fù)雜的雷達(dá)產(chǎn)品按照功能和結(jié)構(gòu)進(jìn)行適當(dāng)?shù)貏澐?，可以?shí)現(xiàn)雷達(dá)產(chǎn)品由數(shù)量有限的多個(gè)可更換單元構(gòu)成。例如，按功能劃分，系統(tǒng)可劃分為系統(tǒng)級(jí)、子系統(tǒng)級(jí)、LRU、SRU、器件等層次。產(chǎn)品進(jìn)行功能層次劃分，有2 個(gè)主要益處：①系統(tǒng)故障定位更加方便；②有利于程序的定義。因此，正確的產(chǎn)品功能層次劃分，對(duì)于故障隔離的模糊度的降低有很大幫助。

在多信號(hào)流分層推理模型建立過程中，可以直接發(fā)現(xiàn)一種故障模式與其他相鄰模塊造成影響的傳播途徑。該模型與產(chǎn)品真實(shí)功能的分層模塊相對(duì)應(yīng)，所以不需要與實(shí)際無關(guān)的單故障假設(shè)，達(dá)到在最短時(shí)間內(nèi)產(chǎn)生診斷策略的可能。

分層多信號(hào)相關(guān)性框圖用來得到系統(tǒng)模塊和測試點(diǎn)間的一階因果相關(guān)性關(guān)系。系統(tǒng)模塊包含子模塊，甚至上一級(jí)系統(tǒng)子模塊。部件為最低層次模塊。通過此方式，將一個(gè)產(chǎn)品系統(tǒng)劃分為多個(gè)層次。模塊中包含故障來源或原因。測試節(jié)點(diǎn)表示監(jiān)測點(diǎn)，從中可觀測到故障的影響。例如，節(jié)點(diǎn)X 和Y 的連接表示X 會(huì)影響到Y(jié) 或Y 的狀態(tài)取決于X?？梢酝ㄟ^一階相關(guān)性推理獲得高階相關(guān)性。AND（與）節(jié)點(diǎn)在模型中作為故障容錯(cuò)的冗余結(jié)構(gòu)。通過開關(guān)模擬產(chǎn)品相關(guān)操作的各種模式。此外，為了在功能上隔離其他模塊，可以用SWITCH 節(jié)點(diǎn)來實(shí)現(xiàn)［9-10］。

（2）多信號(hào)流圖模型中節(jié)點(diǎn)類型

作為一種分層建模技術(shù)方法的多信號(hào)流分層推理建模，利用有向圖得到故障影響的傳播路徑。多信號(hào)模型的基本節(jié)點(diǎn)包括有向圖中的4 種，模塊節(jié)點(diǎn)與測試節(jié)點(diǎn)是必須包含的，SWITCH 節(jié)點(diǎn)與AND 節(jié)點(diǎn)是根據(jù)產(chǎn)品結(jié)構(gòu)需求可以自行選擇。

模塊節(jié)點(diǎn)：以信號(hào)表示的具有某種功能硬件的集合。為了運(yùn)用分層建模技術(shù)，模塊本身通過子模塊或者其他節(jié)點(diǎn)進(jìn)行表示?？赡芄收系墓?jié)點(diǎn)通過模塊表示，通過故障現(xiàn)象定位故障點(diǎn)就是診斷過程。每一模塊節(jié)點(diǎn)包含下列要素：名稱、輸入端子數(shù)量、輸出端子數(shù)量、影響到的信號(hào)集等。

測試節(jié)點(diǎn)：進(jìn)行測量的物理位置或者邏輯位置。故障發(fā)生時(shí)，在故障監(jiān)測頁面或者具體的組合面板上都有相應(yīng)的異?，F(xiàn)象，這些異?，F(xiàn)象隸屬于測試節(jié)點(diǎn)的信息內(nèi)容。

開關(guān)節(jié)點(diǎn)（SWITCH node）：系統(tǒng)的不同狀態(tài)可以用不同的開關(guān)模式來表示。這使得產(chǎn)品多種工作模式的建模成為可行。SWITCH 節(jié)點(diǎn)用來建立模型的交互式系統(tǒng)和動(dòng)態(tài)特性。

與節(jié)點(diǎn)（AND node）：用來捕獲系統(tǒng)冗余信息。如果 Z 被影響，那么 X 和 Y 必須是故障，使用 AND 節(jié)點(diǎn)連接X、Y 和Z 節(jié)點(diǎn)。AND 節(jié)點(diǎn)的使用可以對(duì)故障容錯(cuò)系統(tǒng)實(shí)現(xiàn)建模，并進(jìn)行故障過程診斷。

連接線路：傳播途徑的表示方式，表示不同節(jié)點(diǎn)之間故障信息傳播。在TEAMS 中，包含2 種模式：可斷開或不可斷開。

對(duì)于一個(gè)給定的模型和產(chǎn)品系統(tǒng)狀態(tài)，采用上述節(jié)點(diǎn)和連線表示，可以利用傳播算法把此圖轉(zhuǎn)化為單個(gè)全局故障相關(guān)性矩陣。此相關(guān)性矩陣已經(jīng)包含了產(chǎn)品的相關(guān)信息，通過此方式實(shí)現(xiàn)故障診斷的目的。

（3）多信號(hào)流分層推理相關(guān)性矩陣

使用多信號(hào)流分層推理模型得到產(chǎn)品一階因果相關(guān)性，例如，X 影響到Y(jié)，Y 影響到Z。通過可達(dá)性分析算法，推斷出全局相關(guān)性即X 影響到Z。與此同時(shí)，為了實(shí)現(xiàn)計(jì)算相關(guān)性或者故障字典矩陣，需要明確其中的故障現(xiàn)象可以觀測到對(duì)應(yīng)的故障產(chǎn)品。

最小的功能明確的實(shí)體是多信號(hào)流分層推理建模的關(guān)鍵是部件。以雷達(dá)產(chǎn)品為例，將最小的功能部件定義到LRU 級(jí)別產(chǎn)品，當(dāng)某一部件出現(xiàn)故障時(shí)，與之有關(guān)聯(lián)的所有信號(hào)都會(huì)收到影響。與此相反，部件正常則表面與該部件有關(guān)聯(lián)的任何信號(hào)都是準(zhǔn)確無誤的?；谝陨戏治觯恳徊考收夏Ｊ綒w類為2 方面就足夠了，即系統(tǒng)故障和功能故障。

比如，假設(shè)存在L 個(gè)部件，其中有Lf（Lf是L 的子集）部件出現(xiàn)功能故障，出現(xiàn)功能故障的部件個(gè)數(shù)為Lf，與之對(duì)應(yīng)的測試有n 個(gè)，相關(guān)性矩陣D 大小為（Lf+L）×n。假設(shè)測試tj與部件ci存在故障傳播途徑，而且部件ci具有系統(tǒng)故障相關(guān)性，那么故障相關(guān)性矩陣DiGj=1；

若DiGj=1 且SC（ci）∩ST（tj）≠?，那么集合搜索推理矩陣Difj=1。搜索推理矩陣包含了系統(tǒng)的故障診斷信息，并且可以利用該矩陣實(shí)現(xiàn)所有測試性的相關(guān)分析。

通過有向圖邊傳播令牌的方法來從故障源找出其他受到影響的節(jié)點(diǎn)，即實(shí)現(xiàn)給定故障源si∈S 可達(dá)的測試tj∈T。當(dāng)一個(gè)令牌到達(dá)一個(gè)故障點(diǎn)時(shí)，其副本傳遞到該節(jié)點(diǎn)適合的連接邊或輸出端。如果節(jié)點(diǎn)已通過其他令牌到達(dá)，則使此令牌既不傳播也不復(fù)制。算法中止的條件是所有令牌無法傳播到任何新的節(jié)點(diǎn)。

此可達(dá)算法通過從故障點(diǎn)到故障現(xiàn)象的前向模式或從故障現(xiàn)象到故障點(diǎn)的反向模式實(shí)現(xiàn)，此算法最差的復(fù)雜性是 min｛O（|S||E|），O（|T||E|）｝，其中|S|，|T|，|E|分別是故障點(diǎn)集 S、測試集 T 以及有向圖邊集 E 的元素個(gè)數(shù)［3］。

（4）建立模型及應(yīng)用示例

以某型雷達(dá)產(chǎn)品故障數(shù)據(jù)為示例，首先建立產(chǎn)品的系統(tǒng)結(jié)構(gòu)組成，從系統(tǒng)→組合→組件級(jí)別，作為產(chǎn)品分層模型關(guān)系基礎(chǔ)；其次，建立各層次故障發(fā)生現(xiàn)象及故障部位的具體配備關(guān)系，作為產(chǎn)品分層模型的分析節(jié)點(diǎn)元素；最后，按照模型結(jié)構(gòu)關(guān)系及層次匹配邏輯作為集合搜索推理機(jī)推理輸入。

1.2.2 集合搜索推理機(jī)模型

由于造成同一故障現(xiàn)象的故障原因有多個(gè)，同一個(gè)故障原因本身又會(huì)引起多個(gè)故障現(xiàn)象，所以故障原因推理的數(shù)據(jù)關(guān)系基本是一對(duì)多的映射關(guān)系，集合搜索推理機(jī)以故障數(shù)據(jù)為輸入，結(jié)合多信號(hào)流分層推理模型生成的相關(guān)性矩陣，對(duì)故障現(xiàn)象進(jìn)行故障原因推理［11-13］。

集合搜索推理機(jī)是基于輸入的故障現(xiàn)象和預(yù)先導(dǎo)入的故障相關(guān)性矩陣推理得出故障原因。為了對(duì)大規(guī)模集成雷達(dá)系統(tǒng)進(jìn)行故障診斷時(shí)能快速準(zhǔn)確地得出診斷結(jié)果，采用集合搜索運(yùn)算的方式實(shí)現(xiàn)推理機(jī)。主要計(jì)算過程如下：

輸入：用0 表示的正常，用1 表示異常，此故障相關(guān)性矩陣二值測試結(jié)果作為測試性模型接口文件。

輸出：各產(chǎn)品模塊所屬集合，即正常、故障、可疑、未知。

算法流程：

Step 1：所有模塊均作為可疑對(duì)象進(jìn)行設(shè)定。

Step 2：先將正常的測試進(jìn)行處理。更新各集合的前提是，將與通過測試相關(guān)的模塊狀態(tài)全部設(shè)為正常。

Step 3：最后處理異常測試。從與異常的測試相關(guān)模塊中剔除掉正常的模塊，故障模塊設(shè)置的前提是剩余的模塊數(shù)量為1，否則保持初始狀態(tài)不變。

假定相關(guān)性矩陣如表1 所示。

表1 相關(guān)性矩陣樣例Table 1 Examples of correlation matrix

相關(guān)性矩陣中包括異常測試1～異常測試5 共5個(gè)測試（即5 種故障現(xiàn)象，與表1 中表頭“異常測試”含義相同），節(jié)點(diǎn) 1～節(jié)點(diǎn) 5 共 5 個(gè)故障產(chǎn)品（與表 2 中表頭“實(shí)際故障產(chǎn)品”對(duì)應(yīng)），為了表述簡潔，下文中直接用標(biāo)號(hào)表示對(duì)應(yīng)的測試和故障產(chǎn)品。系統(tǒng)模擬推理結(jié)果如表2 所示。

以表2 中序號(hào)5 信息為例，當(dāng)“實(shí)際故障產(chǎn)品”5發(fā)生故障時(shí)，其“異常測試”結(jié)果為測試4，“測試4”對(duì)應(yīng)的故障產(chǎn)品有序號(hào)3、4、5。其“正常測試”為測試 1、測試 2、測試 3、測試 5（如表 1 中數(shù)值為非 1 的情況），由于故障產(chǎn)品 3（對(duì)應(yīng)表 4 中的“節(jié)點(diǎn) 3”）發(fā)生故障時(shí)，測試3 和測試5 都應(yīng)該為異常測試，所以故障產(chǎn)品可以排除序號(hào)3 產(chǎn)品，結(jié)合上述結(jié)果，可以懷疑故障產(chǎn)品是序號(hào)4 和序號(hào)5，但是不能確定具體是序號(hào)4 產(chǎn)品故障還是序號(hào)5 產(chǎn)品故障。

表2 集合搜索推理機(jī)測試舉例Table 2 Examples of set search inference engine tests

在進(jìn)行集合搜索推理時(shí)，主要利用在分層模型內(nèi)部的故障現(xiàn)象、故障位置對(duì)應(yīng)的矩陣元素?cái)?shù)據(jù)，在進(jìn)行產(chǎn)品實(shí)際故障發(fā)生時(shí)利用“復(fù)雜現(xiàn)象→故障位置”形成“一對(duì)一”或“多對(duì)一”的具體映射關(guān)系，實(shí)現(xiàn)故障的快速定位及故障的準(zhǔn)確判別［14-15］。

1.3 平臺(tái)搭建

利用分層推理集合搜索技術(shù)模型為核心算法，開發(fā)雷達(dá)產(chǎn)品快速排故手冊(cè)自動(dòng)生成軟件平臺(tái)，該軟件平臺(tái)通過讀取雷達(dá)產(chǎn)品綜合保障數(shù)據(jù)庫數(shù)據(jù)，按照雷達(dá)產(chǎn)品的結(jié)構(gòu)組成生成排故策略，即可以通過目錄查看故障發(fā)生的產(chǎn)品部位，并具備對(duì)排故策略的權(quán)重排序和仿真驗(yàn)證功能，最終生成雷達(dá)產(chǎn)品快速排故手冊(cè)電子文檔，以Word 文檔的形式保存，可以直接打印為紙質(zhì)文檔，方便使用人員在排故現(xiàn)場查閱。

軟件可以提供2 種方式自動(dòng)生成排故手冊(cè)文檔。方式1：逐條生成，即一條排故策略生成一個(gè)文檔。方式2：合并生成，即多條排故策略生成一個(gè)文檔。這2 種方式的自由組合可以生成雷達(dá)產(chǎn)品總的故障排查手冊(cè)，也可以單獨(dú)生成某個(gè)分系統(tǒng)的故障排查手冊(cè)。

軟件業(yè)務(wù)功能框圖如圖4 所示。

圖4 軟件業(yè)務(wù)功能框圖Fig.4 Software business function block diagram

（1）權(quán)重排序

在實(shí)際的工程實(shí)踐中，同一個(gè)雷達(dá)故障現(xiàn)象會(huì)由多個(gè)故障點(diǎn)引起，而不同的故障點(diǎn)引起該故障現(xiàn)象的概率是不同的，雷達(dá)產(chǎn)品快速排故手冊(cè)自動(dòng)生成軟件根據(jù)雷達(dá)產(chǎn)品綜合保障數(shù)據(jù)庫故障數(shù)據(jù)的實(shí)際重復(fù)頻率，進(jìn)行權(quán)重排序，即該故障點(diǎn)引起此故障現(xiàn)象次數(shù)越多，權(quán)重占比越大。當(dāng)生成排故策略時(shí)，按照權(quán)重由大到小的順序排列，指導(dǎo)用戶優(yōu)先排查最有可能的故障產(chǎn)品。

（2）仿真驗(yàn)證

軟件提供仿真驗(yàn)證功能，包括故障模擬診斷和故障注入仿真，用戶可以校核和驗(yàn)證故障相關(guān)性矩陣文件信息，檢驗(yàn)其正確性。故障模擬診斷可在測試列表中人為選擇測試項(xiàng)或者注入自動(dòng)仿真得到的測試項(xiàng)結(jié)果來模擬診斷得到發(fā)生的故障項(xiàng)；故障注入仿真是人為注入發(fā)生的故障項(xiàng)，利用故障推理來仿真得到相關(guān)的測試項(xiàng)結(jié)果。

1）故障模擬診斷（故障現(xiàn)象到故障點(diǎn)）

軟件為故障模擬診斷的測試列表提供2 種輸入方式。方式1：測試列表中直接選擇相關(guān)性矩陣的測試項(xiàng)；方式2：通過故障注入仿真，加入仿真得到的測試項(xiàng)結(jié)果。軟件提供將測試列表中的正常測試項(xiàng)和異常測試項(xiàng)進(jìn)行互換的操作。用戶可以選擇單個(gè)或多個(gè)測試項(xiàng)，模擬診斷得到發(fā)生的故障項(xiàng)，可通過該功能校核測試數(shù)據(jù)的有效性。

2）故障注入仿真（故障點(diǎn)到故障現(xiàn)象）

軟件提供故障注入仿真功能，用戶可以從相關(guān)性矩陣的故障項(xiàng)中選擇單個(gè)或多個(gè)故障項(xiàng)，并將其注入到故障仿真列表中。軟件提供可將仿真列表中發(fā)生的故障項(xiàng)和未發(fā)生的故障項(xiàng)進(jìn)行互換的操作。通過模擬仿真，用戶可以得到正常測試項(xiàng)和異常測試項(xiàng)結(jié)果。該仿真的測試結(jié)果可以作為輸入被加入到故障模擬診斷的測試列表中，可通過該功能驗(yàn)證故障信息的正確性。

（3）數(shù)據(jù)更新

雷達(dá)產(chǎn)品綜合保障數(shù)據(jù)庫中的數(shù)據(jù)會(huì)隨著產(chǎn)品服役時(shí)間的延長而不斷積累，雷達(dá)產(chǎn)品快速排故手冊(cè)自動(dòng)生成軟件可以根據(jù)更新的產(chǎn)品數(shù)據(jù)，自動(dòng)更新故障排查策略，生成新版雷達(dá)產(chǎn)品快速排故手冊(cè)。

1.4 實(shí)例驗(yàn)證

利用收集的某型雷達(dá)產(chǎn)品的設(shè)計(jì)數(shù)據(jù)、使用數(shù)據(jù)和環(huán)境數(shù)據(jù)，對(duì)其中的使用數(shù)據(jù)，特別是故障數(shù)據(jù)進(jìn)行清洗，建立雷達(dá)產(chǎn)品綜合保障數(shù)據(jù)庫。

將清洗后的數(shù)據(jù)輸入雷達(dá)產(chǎn)品快速排故手冊(cè)自動(dòng)生成軟件，生成相應(yīng)的排故策略，經(jīng)過仿真驗(yàn)證后，形成某型雷達(dá)產(chǎn)品快速排故手冊(cè)樣例。

該手冊(cè)以雷達(dá)產(chǎn)品的產(chǎn)品組成層次為目錄，可以根據(jù)故障現(xiàn)象的部位直接查閱，每條排故策略由故障現(xiàn)象、故障原因、故障維修、恢復(fù)檢查和注意事項(xiàng)組成，其中為了便于使用者直觀了解故障現(xiàn)象，手冊(cè)中的“故障現(xiàn)象”部分，包含了故障現(xiàn)象圖片，用戶可以直接與實(shí)際故障現(xiàn)象進(jìn)行核對(duì)，快速確認(rèn)故障。

2 結(jié)束語

基于數(shù)據(jù)的雷達(dá)產(chǎn)品快速排故技術(shù)可以利用雷達(dá)產(chǎn)品的故障數(shù)據(jù)，得出故障排除方法，可以有效指導(dǎo)用戶的故障排除工作，提高用戶自主排故能力。該技術(shù)中的分層推理集合搜索模型不僅適用于雷達(dá)產(chǎn)品，也適用于其他電子產(chǎn)品，雷達(dá)產(chǎn)品綜合保障數(shù)據(jù)庫可以擴(kuò)展為其他電子產(chǎn)品的綜合保障數(shù)據(jù)庫，從而可以方便快速地推廣到其他電子產(chǎn)品中，可以有效支撐其他電子產(chǎn)品用戶的快速排故需求。