裝備故障預(yù)測技術(shù)現(xiàn)狀及發(fā)展研究

沈凡宇，周圣林

（中國人民解放軍92728部隊，上海200436）

裝備故障預(yù)測技術(shù)現(xiàn)狀及發(fā)展研究

沈凡宇，周圣林

（中國人民解放軍92728部隊，上海200436）

故障預(yù)測是提高復(fù)雜武器裝備可靠性及保障效率的重要手段，也是第四代戰(zhàn)斗機(jī)具有的顯著特征之一。重點(diǎn)對國內(nèi)航空裝備故障預(yù)測技術(shù)現(xiàn)狀進(jìn)行了分析研究，并結(jié)合技術(shù)發(fā)展的可行性和實用性，提出了7項關(guān)鍵技術(shù)研究方向。

故障預(yù)測；航空裝備；關(guān)鍵技術(shù)

隨著科學(xué)技術(shù)的不斷進(jìn)步，現(xiàn)代武器裝備的性能得到大幅提升。與傳統(tǒng)武器裝備相比，現(xiàn)代武器裝備具有更加復(fù)雜的結(jié)構(gòu)組成［1］，更高的自動化和信息化水平，但是一旦發(fā)生故障，其故障的檢測、隔離、維修等將變得十分復(fù)雜，極大地增加了裝備后勤保障的難度［2］。航空裝備由于工作使用環(huán)境的特殊性，其可靠性有著更高的要求。

裝備維護(hù)與保障理論和技術(shù)經(jīng)歷了事后維修、計劃維修和視情維修3個階段的發(fā)展［3］。事后維修和計劃維修對災(zāi)難性的故障很難預(yù)防，而且可能會引起不必要的停機(jī)，增大了維修損壞的風(fēng)險［4］。此外，事后維修只能對單次故障有效，無法預(yù)知下次故障的發(fā)生。計劃維修有時候會面臨維修過度的問題，導(dǎo)致不必要的資源浪費(fèi)。與以上兩種維修策略不同，視情維修使維修工作變被動為主動，其立足于故障機(jī)理的分析，根據(jù)不解體測試的結(jié)果，當(dāng)維修對象出現(xiàn)潛在故障時就進(jìn)行調(diào)整、維修或更換，從而避免災(zāi)難性故障的發(fā)生。故障預(yù)測技術(shù)是實現(xiàn)視情維修的基礎(chǔ)，通過對武器裝備當(dāng)前狀態(tài)的分析，預(yù)測未來時間內(nèi)武器裝備可能出現(xiàn)的故障以及剩余使用壽命，從而達(dá)到視情維修的目的。

故障預(yù)測技術(shù)應(yīng)用范圍廣泛，由于其在降低故障損失，提高經(jīng)濟(jì)效益方面的重要作用，近年來，吸引了越來越多的關(guān)注，不斷有專家及學(xué)者投身到故障預(yù)測技術(shù)的研究中來，理論成果層出不窮。本文總結(jié)了航空裝備故障預(yù)測技術(shù)的研究現(xiàn)狀，并在此基礎(chǔ)上，結(jié)合技術(shù)發(fā)展的可行性，提出了7項關(guān)鍵技術(shù)研究方向，以促進(jìn)裝備故障預(yù)測技術(shù)由理論向?qū)嶋H轉(zhuǎn)化。

1　裝備故障預(yù)測技術(shù)研究現(xiàn)狀

現(xiàn)有的故障預(yù)測技術(shù)種類繁多［5］，許多新理論正在不斷涌現(xiàn)。由于航空裝備的特殊性，其對故障預(yù)測技術(shù)有著更高的要求。近年來，國內(nèi)有很多針對裝備故障預(yù)測技術(shù)的理論研究，并取得了一定的成果，主要分為以下幾個方面：

（1）基于模型的故障預(yù)測

基于模型的故障預(yù)測指采用動態(tài)模型或過程的預(yù)測方法［6］，它一般要求被預(yù)測對象系統(tǒng)的數(shù)學(xué)模型是已知的，通過計算功能損傷來對關(guān)鍵零部件的損耗程度進(jìn)行評估，建立隨機(jī)過程模型或物理模型，實現(xiàn)對部件剩余壽命的預(yù)估。一般情況下，對象系統(tǒng)的故障特征與所用模型的參數(shù)緊密相關(guān)，初始建立模型時可選用典型系統(tǒng)的參數(shù)，隨著逐步深入研究系統(tǒng)故障演化機(jī)理，再對模型進(jìn)行修正和調(diào)整，以提高預(yù)測精度［7］。

鄧小濤［1］等針對電子裝備的故障多屬于隨機(jī)的，以設(shè)備故障前工作小時作為依據(jù)，采用ARMA模型來對故障進(jìn)行預(yù)測，通過對某機(jī)載雷達(dá)磁控管下一次故障有可能出現(xiàn)的時間進(jìn)行預(yù)測，說明了只要狀態(tài)與測量選擇合適，預(yù)測的結(jié)果是比較準(zhǔn)確的。左召軍［8］等采用時間序列分析法來預(yù)測某種航空裝備的故障率，對于時間序列的長期趨勢和周期變動采用移動平均法進(jìn)行消除，然后應(yīng)用月平均法對季節(jié)指數(shù)進(jìn)行求解，并進(jìn)行相應(yīng)的調(diào)整，然后通過擬合的趨勢方程來進(jìn)行故障預(yù)測，預(yù)測結(jié)論比較客觀，一定程度上降低了預(yù)測的主觀性和經(jīng)驗性。朱玉斌［9］等以某型雙轉(zhuǎn)子、雙涵道混合排氣式渦輪風(fēng)扇發(fā)動機(jī)為研究對象，將性能健康參數(shù)作為狀態(tài)量擴(kuò)展至狀態(tài)方程，應(yīng)用卡爾曼濾波器來估計狀態(tài)變量，從而估計出健康參數(shù)，然后以健康參數(shù)為基礎(chǔ)對發(fā)動機(jī)氣路故障進(jìn)行預(yù)測。通過將某渦扇發(fā)動機(jī)數(shù)學(xué)模型作為仿真對象進(jìn)行仿真，結(jié)果表明該方法能夠預(yù)測由于性能偏離導(dǎo)致的漸變性故障，同時卡爾曼參數(shù)估計器能在短時間內(nèi)對性能退化參數(shù)和退化量進(jìn)行較準(zhǔn)確的預(yù)估。針對Weibull分布適用范圍廣、預(yù)測能力強(qiáng)，但是模型參數(shù)估計受人為因素影響大等情況，辛龍［10］等提出將平均中位秩和最小二乘法相綜合來對Weibull分布進(jìn)行參數(shù)估計和曲線擬合，以達(dá)到提高壽命預(yù)測準(zhǔn)確度的目的。最后以某型殲擊機(jī)航電系統(tǒng)中15個相同的核心部件為研究對象，結(jié)果表明該方法壽命預(yù)測準(zhǔn)確度較高，狀態(tài)跟蹤性好。對于只能知道部分信息，維修數(shù)據(jù)為小樣本的系統(tǒng)，崔亞君［11］等建立灰色預(yù)測模型，同時采用后驗差法對所建模型進(jìn)行檢驗，并對某型航空裝備災(zāi)變故障時間進(jìn)行了預(yù)測，結(jié)果表明該方法具有較高的精度，能夠預(yù)測下一次災(zāi)變故障發(fā)生的時間。

基于模型的故障預(yù)測方法的優(yōu)勢和弊端都很明顯。其優(yōu)點(diǎn)是如果能夠建立被預(yù)測對象系統(tǒng)的精確的模型，那么該方法可以深入描述對象系統(tǒng)的本質(zhì)，同時能夠?qū)崿F(xiàn)實時的故障預(yù)測。相反，對于大型設(shè)備以及精密部件等而言，其系統(tǒng)內(nèi)部組成結(jié)構(gòu)復(fù)雜，很難建立精確的模型，若模型的精度不夠，則預(yù)測結(jié)果就會有很大的偏差，因此，該方法的應(yīng)用具有較大的局限性。

（2）基于數(shù)據(jù)的故障預(yù)測

基于數(shù)據(jù)的故障預(yù)測技術(shù)是目前研究比較熱門，比較深入的一類故障預(yù)測方法?；跀?shù)據(jù)的故障預(yù)測技術(shù)不需要對系統(tǒng)的模型或經(jīng)驗知識等有足夠的了解，它以采集到的系統(tǒng)數(shù)據(jù)為預(yù)測基礎(chǔ)，結(jié)合運(yùn)用多種數(shù)據(jù)分析處理方法提取數(shù)據(jù)中的特征信息并進(jìn)行相關(guān)的預(yù)測［12］。

鑒于馬氏距離能夠消除量綱帶來的影響，同時能夠綜合考慮到各種特性之間的聯(lián)系，在狀態(tài)類型判別方面具有一定的優(yōu)勢。針對航空裝備的故障狀態(tài)類型判別問題，文獻(xiàn)［13］提出了一種基于馬氏距離的故障預(yù)測方法，并對相應(yīng)的預(yù)測流程進(jìn)行了介紹，最后將該方法應(yīng)用于某型飛機(jī)火控系統(tǒng)的故障預(yù)測中，分別實現(xiàn)了在線故障預(yù)測和離線故障預(yù)測。針對傳統(tǒng)支持向量回歸機(jī)只反映了特征參數(shù)隨時間變化的趨勢，而沒有考慮參數(shù)間的相互關(guān)系，以及電子裝備性能特征參數(shù)間的耦合關(guān)聯(lián)等問題，文獻(xiàn)［14］將D-S證據(jù)理論與參數(shù)的縱向歷史狀態(tài)數(shù)據(jù)和橫向的相關(guān)參數(shù)數(shù)據(jù)相結(jié)合，設(shè)計出雜合支持向量回歸機(jī)預(yù)測算法，同時利用特征參數(shù)的時間和空間相關(guān)性來提高預(yù)測精度。最后將該方法應(yīng)用于某型飛機(jī)電子對抗系統(tǒng)中管理控制計算機(jī)的參數(shù)預(yù)測，并與橫向和縱向支持向量回歸機(jī)進(jìn)行比較，結(jié)果表明其預(yù)測精度優(yōu)于橫向和縱向支持向量回歸機(jī)。

（3）基于人工神經(jīng)網(wǎng)絡(luò)及其改進(jìn)方法的故障預(yù)測

人工神經(jīng)網(wǎng)絡(luò)是一種模仿動物神經(jīng)網(wǎng)絡(luò)行為特征，進(jìn)行分布式并行信息處理的算法數(shù)學(xué)模型。這種網(wǎng)絡(luò)依靠系統(tǒng)的復(fù)雜程度，通過調(diào)整內(nèi)部大量節(jié)點(diǎn)之間相互連接的關(guān)系，從而達(dá)到處理信息的目的。應(yīng)用神經(jīng)網(wǎng)絡(luò)進(jìn)行故障預(yù)測，要根據(jù)系統(tǒng)構(gòu)造適當(dāng)?shù)木W(wǎng)絡(luò)結(jié)構(gòu)，收集歷史數(shù)據(jù)作為訓(xùn)練樣本并對網(wǎng)絡(luò)進(jìn)行訓(xùn)練，當(dāng)精度滿足要求后進(jìn)行預(yù)測。神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的非線性擬合能力，能映射任何復(fù)雜的非線性關(guān)系，其魯棒性和記憶力較強(qiáng)，具有一定的容錯能力，而且學(xué)習(xí)規(guī)則簡單，具有強(qiáng)大的自學(xué)習(xí)能力。此外，神經(jīng)網(wǎng)絡(luò)也有沒能力來解釋推理所得結(jié)果，網(wǎng)絡(luò)的訓(xùn)練周期較長，極易陷入局部極小值等缺點(diǎn)。

范愛鋒［15］等根據(jù)時間序列數(shù)據(jù)對輸出預(yù)測值的貢獻(xiàn)隨數(shù)據(jù)的時間不同而不同，提出了基于指數(shù)衰減的神經(jīng)網(wǎng)絡(luò)預(yù)測模型，并將該模型應(yīng)用于某型雷達(dá)磁控管的故障趨勢預(yù)測。文獻(xiàn)［16］將灰色Verhulst模型與小波神經(jīng)網(wǎng)絡(luò)相結(jié)合來解決小樣本故障數(shù)據(jù)在BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練中的缺陷，提出了基于灰色Verhulst-小波神經(jīng)網(wǎng)絡(luò)組合預(yù)測模型，并在某型航空設(shè)備工作電壓的故障預(yù)測中對該模型進(jìn)行了驗證。文瑩［17］等應(yīng)用粗糙集理論對神經(jīng)元結(jié)構(gòu)進(jìn)行改進(jìn)，將粗糙變量作為神經(jīng)元的輸入，通過交叉連接方式構(gòu)造粗糙神經(jīng)網(wǎng)絡(luò)，以此來對實際設(shè)備特征參數(shù)進(jìn)行預(yù)測，并將該方法應(yīng)用到了某型航空電子設(shè)備的故障趨勢預(yù)測。胡雷剛［18］等應(yīng)用免疫算法對神經(jīng)網(wǎng)絡(luò)隱含層激勵函數(shù)進(jìn)行改進(jìn)，得到免疫神經(jīng)網(wǎng)絡(luò)，并將該模型應(yīng)用于某型航空裝備特征參數(shù)的跟蹤預(yù)測。針對基本神經(jīng)網(wǎng)絡(luò)和灰色系統(tǒng)故障預(yù)測模型的不足，文獻(xiàn)［19］提出采用實數(shù)編碼方式和自適應(yīng)的交叉率、變異率來對遺傳算法進(jìn)行改進(jìn)，然后將改進(jìn)后的遺傳算法應(yīng)用于神經(jīng)網(wǎng)絡(luò)的權(quán)重學(xué)習(xí)以得到遺傳神經(jīng)網(wǎng)絡(luò)。采集裝備的特征參數(shù)數(shù)據(jù)來對網(wǎng)絡(luò)進(jìn)行訓(xùn)練，最后將遺傳神經(jīng)網(wǎng)絡(luò)應(yīng)用到某型航空電子裝備特征參數(shù)退化趨勢的預(yù)測中。結(jié)果表明，在對某型航空裝備同一特征參數(shù)進(jìn)行預(yù)測時，遺傳神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果的均方誤差百分比相對較小，粗糙神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果的平均絕對誤差百分比相對較小，而免疫神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果的整體性能相對較好，此外，三者都較BP神經(jīng)網(wǎng)絡(luò)的性能有一定的改善。

2　故障預(yù)測技術(shù)的發(fā)展方向

盡管這些年來故障預(yù)測技術(shù)取得了迅猛的發(fā)展，許多學(xué)者投入到了故障預(yù)測技術(shù)的研究中，理論成果層出不窮，但是故障預(yù)測技術(shù)仍然面臨著巨大的挑戰(zhàn)。通過故障預(yù)測技術(shù)發(fā)展的可行性和實用性綜合分析，認(rèn)為故障預(yù)測技術(shù)邁上新的臺階，需要從以下幾個方面取得突破：

（1）先進(jìn)傳感器技術(shù)

從現(xiàn)有的故障預(yù)測技術(shù)理論成果來看，基于數(shù)據(jù)驅(qū)動的故障預(yù)測技術(shù)所占比例較大。高質(zhì)量數(shù)據(jù)的獲取是基于數(shù)據(jù)驅(qū)動的故障預(yù)測技術(shù)的關(guān)鍵，只有提取到的數(shù)據(jù)品質(zhì)好，可靠性高，才能為后續(xù)的故障預(yù)測過程打下堅實的基礎(chǔ)。因此，發(fā)展先進(jìn)傳感器技術(shù)，提高傳感器檢測精度和可靠性，多種傳感器集成組合使用，在數(shù)據(jù)采集源頭這一環(huán)節(jié)把好關(guān)，有助于提高故障預(yù)測的準(zhǔn)確性。

（2）高效的特征提取方法

數(shù)據(jù)處理是基于數(shù)據(jù)驅(qū)動的故障預(yù)測技術(shù)的又一關(guān)鍵一環(huán)。數(shù)據(jù)包含著大量的信息，但是由傳感器采集得到的數(shù)據(jù)或多或少的夾雜著一些干擾數(shù)據(jù)，如何從大量的數(shù)據(jù)信息中剔除不相關(guān)的干擾，提取出與故障預(yù)測相關(guān)的信息，并解讀這些信息是數(shù)據(jù)處理的關(guān)鍵。因此，發(fā)展高效的特征提取方法，在數(shù)據(jù)處理時快速準(zhǔn)確的從干擾中分離出有用的信息，提取主要特征，是提升故障預(yù)測水平的保證。

（3）關(guān)聯(lián)故障預(yù)測

傳統(tǒng)的故障預(yù)測技術(shù)大多是針對特定對象的單一參數(shù)指標(biāo)，運(yùn)用單項或組合的預(yù)測方法進(jìn)行趨勢預(yù)測分析。但是，表征對象特性的參數(shù)多數(shù)時候并不只有一種，而且同一系統(tǒng)不同對象的故障之間存在著一定的關(guān)聯(lián)性?，F(xiàn)有故障預(yù)測方法種類繁多，但是沒能形成統(tǒng)一的故障預(yù)測框架，無法在預(yù)測某一部件故障的同時對與其相關(guān)聯(lián)的故障進(jìn)行預(yù)測。系統(tǒng)某一部分的故障會傳播擴(kuò)散到與其相關(guān)聯(lián)的其他部分，進(jìn)而影響整個系統(tǒng)的工作，研究關(guān)聯(lián)故障的預(yù)測方法和框架，有利于從系統(tǒng)層面對故障進(jìn)行把握，實現(xiàn)系統(tǒng)級的故障預(yù)測。

（4）提高故障預(yù)測精度

預(yù)測是根據(jù)以往和當(dāng)前的狀態(tài)，對未來某一時間段內(nèi)的狀態(tài)進(jìn)行估計。預(yù)測具有很大的不確定性，影響預(yù)測結(jié)果的因素主要有掌握的信息量的多少、外界因素、預(yù)測方法的選擇等。一直以來，高精度、無誤差的對系統(tǒng)故障進(jìn)行預(yù)測是故障預(yù)測技術(shù)研究的目標(biāo)［20］，但是從國內(nèi)外已經(jīng)應(yīng)用到實際的故障預(yù)測技術(shù)來看，其預(yù)測的精度還有待于進(jìn)一步的提高。只有實現(xiàn)對系統(tǒng)故障的高精度預(yù)測，才能更好的進(jìn)行提前預(yù)防和維護(hù)，最大限度的降低故障損失。因此，提高故障預(yù)測的精度是故障預(yù)測技術(shù)未來發(fā)展的主流方向。

（5）建立故障預(yù)測技術(shù)評價體系

故障預(yù)測技術(shù)發(fā)展至今，已經(jīng)提出了多種多樣的理論方法，例如，基于模型的故障預(yù)測方法，基于知識的故障預(yù)測方法、基于數(shù)據(jù)驅(qū)動的故障預(yù)測方法等等［21］，但是對故障預(yù)測技術(shù)的評價卻沒有統(tǒng)一的可遵循的標(biāo)準(zhǔn)。對于多數(shù)的故障預(yù)測理論方法，由于沒有真正應(yīng)用到實際中去，并不能僅僅根據(jù)簡單的性能指標(biāo)來判斷其好壞，因此，研究建立故障預(yù)測技術(shù)評價體系，將有助于更好地辨別不同方法的優(yōu)劣，同時，建立統(tǒng)一的評價體系，更有利于故障預(yù)測技術(shù)的正規(guī)化發(fā)展。

（6）面向?qū)嶋H應(yīng)用條件

或是由于技術(shù)條件限制，或是由于方便計算，建模的過程中或多或少的都進(jìn)行了相關(guān)的假設(shè)，故障預(yù)測模型的建立過程也同樣如此。但是，只要有假設(shè)就會與實際應(yīng)用不相符，就會與真實環(huán)境產(chǎn)生一定程度的偏差，影響結(jié)果的真實性和說服力。所以，在故障預(yù)測模型的開發(fā)建立過程中，應(yīng)該緊密結(jié)合系統(tǒng)實際應(yīng)用條件，盡可能少的使用或者不使用條件假設(shè)，多從技術(shù)角度去突破而不是從條件假設(shè)角度。

（7）結(jié)合虛擬現(xiàn)實技術(shù)

絕大多數(shù)設(shè)備的系統(tǒng)組成結(jié)構(gòu)龐大而復(fù)雜，對一個錯綜復(fù)雜的系統(tǒng)進(jìn)行故障預(yù)測并不是一件容易的事。但是，應(yīng)用虛擬現(xiàn)實技術(shù)，在虛擬環(huán)境中，可以建立虛擬的系統(tǒng)模型，借助于跟蹤球、頭戴式可視設(shè)備等，可以很容易了解系統(tǒng)內(nèi)部的組成結(jié)構(gòu)和相互關(guān)系，這對真實系統(tǒng)的故障預(yù)測是一個很好的輔助。將虛擬現(xiàn)實技術(shù)應(yīng)用到故障預(yù)測的各個環(huán)節(jié)，對提高算法開發(fā)效率，加強(qiáng)數(shù)據(jù)采集、分析、處理能力，降低虛警率，提高故障預(yù)測精度起到了重要作用。因此，將故障預(yù)測與虛擬現(xiàn)實技術(shù)相結(jié)合，不失為一個好的發(fā)展方向。

3　結(jié)束語

本文主要介紹了故障預(yù)測的概念及其對武器裝備維修保障的作用，重點(diǎn)分析了裝備故障預(yù)測技術(shù)的理論研究情況，從實用性和可行性出發(fā)，針對性提出了軍用飛機(jī)故障預(yù)測技術(shù)未來重點(diǎn)發(fā)展方向。

［1］鄧小濤，呂波，江帆，等.航空電子裝備的故障預(yù)測法［J］.艦船電子工程，2004，24（5）：125-127.

［2］王昌榮，趙玉龍，蔣有才.故障預(yù)測技術(shù)在武器裝備中的應(yīng)用及發(fā)展［J］.價值工程，2015，（5）：41-43.

［3］孫強(qiáng)，岳繼光.基于不確定性的故障預(yù)測方法綜述［J］.控制與決策，2014，（5）：769-778.

［4］梁旭，李行善，張磊，等.支持視情維修的故障預(yù)測技術(shù)研究［J］.測控技術(shù)，2007，26（6）：5-8.

［5］Hassan A E，Holt R C.The top ten list：dynamic fault prediction［C］.2013 IEEE International Conference on Software Maintenance.IEEE Computer Society，2005：263-272.

［6］Vichare N，Pecht M.Prognostics and health management of electronics［J］.IEEE Transactions on Components and Packaging Technologies，2006，29（1）：222-229.

［7］彭宇，劉大同，彭喜元.故障預(yù)測與健康管理技術(shù)綜述［J］.電子測量與儀器學(xué)報，2010，24（1）：1-9.

［8］左召軍，薛政宇.基于時間序列的航空裝備故障預(yù)測研究［C］.無錫：中國控制會議，2004.

［9］朱玉斌，方中祥，侯朝煥，等.基于部件參數(shù)估計的航空發(fā)動機(jī)故障預(yù)測技術(shù)研究［J］.測控技術(shù)，2012，31（1）：128-131.

［10］辛龍，周越文，翟穎燁，等.基于Weibull分布的航空裝備部件壽命預(yù)測研究［J］.電光與控制，2014，（12）：102-105.

［11］崔亞君，祝華遠(yuǎn)，于建立.基于灰色系統(tǒng)理論的某型航空裝備災(zāi)變故障時間預(yù)測［J］.裝備制造技術(shù)，2008，（9）：55-56.

［12］王亮，呂衛(wèi)民，滕克難，等.基于數(shù)據(jù)驅(qū)動的裝備故障預(yù)測技術(shù)研究［J］.計算機(jī)測量與控制，2013，（8）：2087-2089.

［13］辛龍，周越文，孔慶春，等.基于馬氏距離的航空裝備故障預(yù)測研究［J］.計算機(jī)測量與控制，2014，22（7）：2052-2054.

［14］薛輝輝，肖明清，段軍峰.基于雜合支持向量回歸機(jī)的電子裝備故障預(yù)測［J］.計算機(jī)工程，2012，38（8）：283-286.

［15］范愛鋒，孟亞峰，張宏偉.神經(jīng)網(wǎng)絡(luò)在雷達(dá)裝備故障趨勢預(yù)測中的應(yīng)用［J］.火力與指揮控制，2011，36（10）：180-181.

［16］李靜雯，楊善紅.基于灰色Verhulst-小波神經(jīng)網(wǎng)絡(luò)的裝備故障預(yù)測研究［J］.電子技術(shù)應(yīng)用，2014，40（8）：91-93.

［17］文瑩，肖明清，胡雷剛，等.基于粗糙神經(jīng)網(wǎng)絡(luò)的航空電子設(shè)備故障預(yù)測研究［J］.計算機(jī)測量與控制，2010，18（4）：807-809.

［18］胡雷剛，肖明清，謝斕.基于免疫和神經(jīng)網(wǎng)絡(luò)的航空設(shè)備故障預(yù)測研究［J］.計算機(jī)工程與應(yīng)用，2011，47（20）：231-233.

［19］程進(jìn)軍，夏智勛，胡雷剛.基于遺傳神經(jīng)網(wǎng)絡(luò)的航空裝備故障預(yù)測［J］.空軍工程大學(xué)學(xué)報：自然科學(xué)版，2011，12（1）：15-19.

［20］周俊杰，王德功，常碩.淺析基于模型的航空電子裝備故障預(yù)測［J］.裝備制造技術(shù)，2010，（5）：34-35.

［21］陶來發(fā)，樊煥貞，呂琛，等.機(jī)電系統(tǒng)故障預(yù)測技術(shù)的現(xiàn)狀與分析［J］.控制工程，2011，18（4）：636-63.

Researches on the Present Situation and Development of the Equipment Fault Prediction Technology

SHEN Fan-yu，ZHOU Sheng-lin
（The Chinese people's Liberation Army 92728 Troops，Shanghai 200436，China）

Fault prediction is the important way to improve the reliability and the guarantee efficiency of complex weapon equipment，and it's also one of the striking features of the fourth generation fighter.This paper processed analysis and researches focusing on the present situation of the fault prediction technology of domestic aviation equipment，and proposed 7 key technologies for futher research referring to the feasibility and practicability of the technological development.

fault prediction；aviation equipment；gordian technique

E92

A

1672-545X（2016）08-0123-04

2016-05-13

沈凡宇（1991-），男，黑龍江人，碩士研究生，主要研究方向為計算機(jī)應(yīng)用技術(shù)；周圣林（1967-），男，江蘇人，碩士，高級工程師，主要研究方向為航空綜合保障。