艦炮武器裝備智能化維修保障研究

胡小利,孫苗苗,徐寧駿

(1.南部戰(zhàn)區(qū)海軍參謀部, 廣東 湛江 524000;2.江蘇自動化研究所, 江蘇 連云港 222061)

0 引言

艦炮是水面艦艇裝備數(shù)量最多、使用最頻繁的武器裝備,服役種類多、裝備結(jié)構(gòu)組成復(fù)雜、服役位置分散、戰(zhàn)備完好性要求嚴格。現(xiàn)有艦炮武器裝備維修保障費用居高不下、常常出現(xiàn)“維修過剩”等現(xiàn)象,其原因可歸結(jié)于缺乏對專業(yè)技術(shù)人員、場地、備品備件等維修保障資源的統(tǒng)籌規(guī)劃和在線管理,主要表現(xiàn)為沒有形成完善的預(yù)防性維修保障體系,缺乏數(shù)字化平臺進行有效管理,針對艦炮零備件存在小批量、需求分散等特點,按現(xiàn)行訂單式生產(chǎn)供應(yīng),成本高、周期長、投送效率低,同時維修保障現(xiàn)場信息收集不完整、維修保障決策層級多、維修保障進度遲緩以及維修能力不能有效傳遞[1]。

當(dāng)今世界正處于新一輪科技革命的關(guān)鍵時期,戰(zhàn)爭形態(tài)正在從信息化戰(zhàn)爭向智能戰(zhàn)爭演進,遠距離投送、點對點直達、全時域調(diào)度、全過程可視、智能化預(yù)測維修等將成為一方獲勝的重要能力基礎(chǔ),武器裝備維修保障面臨著保障工作自主化/智能化決策、保障資源可視化/精準化供應(yīng)、保障任務(wù)自動化/無人化執(zhí)行的新使命要求[1-5]。針對上述艦炮武器裝備維修保障問題,綜合各類先進信息技術(shù)、統(tǒng)籌協(xié)調(diào)維修保障力量是改善維修保障體系能力,是滿足未來作戰(zhàn)精益化維修保障需求的關(guān)鍵途徑。

故障預(yù)測與健康管理(prognostics and health management,PHM)技術(shù)利用先進傳感技術(shù)在線或離線采集裝備多種數(shù)據(jù),綜合運用現(xiàn)代數(shù)據(jù)處理技術(shù)、信息融合技術(shù)等手段,生成健康狀態(tài)、故障預(yù)測等決策輸入信息,再通過各種智能算法進行維修資源配置、裝備使用管理以及視情維修決策,最終實現(xiàn)基于裝備狀態(tài)(歷史、當(dāng)前及未來狀態(tài))的智能化維修保障[6]。

PHM技術(shù)自20世紀90年代中期被提出以來,一直受到美英等軍事強國的高度重視,并被成功應(yīng)用于F-35、MK-41等裝備及設(shè)備的維修保障任務(wù)中,已成為現(xiàn)代武器裝備實現(xiàn)自主式后勤(autonomic logistics,AL)和降低全壽命周期費用的關(guān)鍵核心技術(shù)[6-8]。國外PHM技術(shù)的發(fā)展,經(jīng)歷了外部測試,機內(nèi)測試(BIT,Built-inTest)、智能BIT、綜合診斷、PHM共5個階段;維修決策技術(shù)的發(fā)展也經(jīng)歷了事后維修、周期預(yù)防性維護、狀態(tài)維護、智能維護;在產(chǎn)品應(yīng)用層次上,從過去的部件與分系統(tǒng)級,發(fā)展到覆蓋整個平臺各個主要分系統(tǒng)的系統(tǒng)集成級[9-10]。目前,PHM技術(shù)已經(jīng)得到美英等軍事強國的深度研究與推廣應(yīng)用,代表性的PHM相關(guān)系統(tǒng)包括F-35飛機PHM系統(tǒng)、直升機健康與使用監(jiān)控系統(tǒng)(HUMS)、波音公司的飛機狀態(tài)管理系統(tǒng)(AHM)、NASA飛行器綜合健康管理(IVHM)、美國海軍綜合狀態(tài)評估系統(tǒng)(ICAS)以及預(yù)測增強診斷系統(tǒng)(PEDS)。

國內(nèi)針對PHM技術(shù)中的傳感器、數(shù)據(jù)處理、健康狀態(tài)評估、故障預(yù)測等內(nèi)容,在發(fā)動機、電子、機械、電力電氣機電及網(wǎng)絡(luò)等多個領(lǐng)域開展了廣泛的理論及技術(shù)研究,取得了一定的成果[6-14]。在艦炮武裝裝備維修保障領(lǐng)域,相關(guān)研究集中在故障診斷和器材配置等方面,現(xiàn)有技術(shù)方法以控制信號及其硬故障為主,對于有耗損期的疲勞、性能下降及其殘余使用壽命預(yù)測的研究還很少,無法支持故障位置的精確定位、艦炮裝備維修依賴于事后維修和計劃維修,健康管理水平依然粗放[15]。國內(nèi)部分高校展開了智能化故障診斷方法研究,并在PHM監(jiān)測指標體系建設(shè)上進行了初步探索。海軍工程大學(xué)提出了一種基于SVM-ANN混合模型的艦炮武器隨動系統(tǒng)故障診斷方法,實現(xiàn)了基于少量樣本的快速診斷[14]。在維修器材供應(yīng)保障方面,以往成果對于戰(zhàn)時應(yīng)急物資調(diào)度供應(yīng)優(yōu)化研究較多,對平時保障中全局均衡問題研究較少[16-18]。由于缺乏體系化建設(shè)頂層設(shè)計,技術(shù)成果相對零散,發(fā)揮效果相對微弱。

1 智能化維修保障體系設(shè)計

智能化維修保障的核心在于狀態(tài)感知和視情決策,將PHM應(yīng)用于艦炮武器裝備維修保障,構(gòu)建艦炮武器裝備智能化維修保障體系,有利于從根本上解決當(dāng)前艦炮武器裝備維修保障能力缺陷問題。其中狀態(tài)感知覆蓋裝備狀態(tài)的信息采集、處理、診斷和預(yù)測,視情決策則涉及基于當(dāng)前及未來裝備狀態(tài)的一系列維修決策(如地點、設(shè)施、設(shè)備、技術(shù)、備品備件、時長等)和保障決策(庫存計劃、供應(yīng)計劃、專項巡檢等)。維修資源視情供應(yīng)是實現(xiàn)智能化維修保障的關(guān)鍵基礎(chǔ),也是降低維修保障成本最直接、最重要的手段。

通過研發(fā)艦炮武器裝備PHM系統(tǒng),牽引相應(yīng)智能傳感器、大數(shù)據(jù)管理、智能診斷及預(yù)測、智能調(diào)度供應(yīng)等關(guān)鍵技術(shù)突破,以艦隊后方倉庫為各區(qū)域中心,基于多級決策系統(tǒng),對區(qū)域內(nèi)的倉庫業(yè)務(wù)工作及器材進行統(tǒng)一管理,科學(xué)規(guī)劃維修保障資源配置,充分發(fā)揮各承制單位、作戰(zhàn)部隊、軍械修理單位和市場化服務(wù)商等各方優(yōu)勢,把握平時/戰(zhàn)時零部件需求,不斷優(yōu)化協(xié)同籌供計劃,促進保障信息、保障資源、保障力量和保障行動的智能匹配和一體聯(lián)動,提高器材精確化、經(jīng)濟化保障水平,最終達到綜合能力提升能力的發(fā)展目標。艦炮武器裝備智能化維修保障體系如圖1所示。

圖1 艦炮武器裝備智能化維修保障

1.1 艦炮武器裝備PHM系統(tǒng)結(jié)構(gòu)

以PHM的開放式體系架構(gòu)(OSA-CBM)為基礎(chǔ),綜合考慮艦炮武器裝備系統(tǒng)組成、傳感器設(shè)置、任務(wù)計劃,建立艦炮武器裝備PHM體系結(jié)構(gòu),如圖2所示。

圖2 艦炮武器裝備PHM體系結(jié)構(gòu)Fig.2 System architecture of naval gun weapons

通過傳感器的在線/離線采集及人機交互輸入,記錄艦炮武器裝備組成設(shè)備、部件、單元、電氣控制軟件、作戰(zhàn)控制軟件的狀態(tài),經(jīng)過數(shù)據(jù)預(yù)處理,進行數(shù)據(jù)庫的存儲更新,在數(shù)據(jù)庫、專家系統(tǒng)和智能輔助決策方法的支持下,實現(xiàn)系統(tǒng)及設(shè)備的狀態(tài)監(jiān)控、故障診斷與隔離、故障預(yù)測與健康評估,根據(jù)任務(wù)計劃提供維修智能輔助決策[14]。

1.2 區(qū)域艦炮武器裝備智能化維修保障

傳統(tǒng)維修保障指揮控制結(jié)構(gòu)層級分明,各級指揮控制機構(gòu)只有在上級下定決心并制定好總體保障計劃后才能開展本級保障方案編制等,在實際工作中,超期問題屢屢發(fā)生[11]。對此,兼顧不同階段、不同層級的維修保障任務(wù)差異,設(shè)計多級PHM決策系統(tǒng)框架,如圖3所示。

圖3 多級PHM決策系統(tǒng)

艦艇端艦炮武裝裝備PHM采用集中式體系結(jié)構(gòu),依據(jù)水面艦艇艦炮武器裝備類型、數(shù)量配置,通過定期離線采集方式上傳至支隊端艦炮武器裝備PHM數(shù)據(jù)庫,并接收對支隊端數(shù)據(jù)庫進行機器學(xué)習(xí)后的PHM知識信息。

各級管理單位采用分布式PHM體系結(jié)構(gòu),通過構(gòu)建分布式信息云和數(shù)據(jù)倉庫,支持實現(xiàn)各層級艦炮武器裝備PHM管理功能,通過設(shè)計合理的信息獲取、傳遞和處理機制,實現(xiàn)對維修決策任務(wù)的下達/傳遞、跨組織協(xié)調(diào)維修保障、備品備件供應(yīng)等的在線監(jiān)控。

2 艦炮武器裝備維修保障器材視情供應(yīng)

艦炮保障器材通常分為消耗件、易損件、維修件、檢修件四大類[12]?；诂F(xiàn)有經(jīng)驗,易損件在艦炮壽命1/2內(nèi)按50%隨炮配置,超出壽命1/2后按100%隨炮配置,維修件按50%隨炮配置,檢修件(除其他3種器材外,還包含在艦艇安裝環(huán)境下不易實施更換修理的部分零部件)按照等級修理計劃和實地勘驗后籌備數(shù)量[12]。同一個管理分區(qū)內(nèi)涉及的艦炮種類和型號繁多,如大口徑艦炮、中口徑炮、小口徑等。各類艦炮系統(tǒng)在任務(wù)使命、結(jié)構(gòu)組成、使用頻率、彈藥需求、服役時長等方面存在較大差異,對維修保障器材耗損數(shù)量產(chǎn)生直接影響。由于缺乏集約共享管理和多級協(xié)同決策,區(qū)域內(nèi)艦炮武器裝備維修保障常常同時出現(xiàn)“維修過?！焙汀熬S修不足”的現(xiàn)象,總體費用居高不下。

對此,在艦炮武器裝備智能化維修保障體系建設(shè)背景下,進一步研究建立以保障周期最短、保障成本最低為目標的區(qū)域艦炮維修器材調(diào)劑供應(yīng)優(yōu)化決策模型和求解算法,以科學(xué)調(diào)度多地超量庫存,滿足區(qū)域多裝備并行維修保障需求,降低總成本。

2.1 艦炮武器維修器材調(diào)劑供應(yīng)優(yōu)化決策模型

維修保障資源采用中心-站點方式配置,區(qū)域資源中心種類最齊全、但各類數(shù)量波動大,各資源儲備點的種類和數(shù)量與附近執(zhí)行常態(tài)化作業(yè)艦炮裝備特性相關(guān),維修器材需求點可能是固定位置(如資源存儲點本身)或移動平臺(如艦船),對區(qū)域內(nèi)無法供應(yīng)或協(xié)同供應(yīng)成本過高的檢修件,采用外部資源貨架供應(yīng)方式(如廠商直供等)。每個需求點按照多級指控關(guān)系分配有直連關(guān)系的資源儲備點,在智能化維修保障體系下,其他資源儲備點可提供協(xié)同供應(yīng)服務(wù)。面向視情供應(yīng)的區(qū)域艦炮武器維修裝備器材調(diào)劑方式如圖4所示。

圖4 艦炮武器維修器材調(diào)劑供應(yīng)方式

將區(qū)域資源中心和外部資源貨架看作是特殊的資源儲備點,區(qū)域艦炮武器維修器材調(diào)劑供應(yīng)優(yōu)化決策旨在盡可能以較低的成本、較短的供應(yīng)時間滿足區(qū)域內(nèi)各艦炮武器維修任務(wù)需求,模型中各參數(shù)定義如表1所示。

表1 模型參數(shù)定義

決策變量表示第個資源儲備點對需求點供應(yīng)器材的數(shù)量,則維修器材調(diào)劑供應(yīng)方案的供應(yīng)總成本、減少的庫存成本分別如式(1)、式(2)所示:

預(yù)期供應(yīng)時間占比是指針對資源需求點對維修器材需求的時限內(nèi)完成供應(yīng)所需時間的占比,方案的預(yù)期供應(yīng)時間占比和計算如式(3)所示:

sjbcjk*Xkji)/lmji)

(3)

最終優(yōu)化模型如式(4)所示:

其中:K1為成本/時間占比和的量綱差異度罰函數(shù),約束1表示通過調(diào)劑滿足各需求點對器材的數(shù)量需求;約束2表示通過調(diào)劑滿足各需求點對器材的供應(yīng)時間需求;約束3表示資源儲存點的對外供應(yīng)量小于可行調(diào)用總量;約束4表示決策變量為非負整數(shù)。

2.2 基于離散化海鷗算法的模型求解

海鷗算法(seagull optimization algorithm,SOA)是Gaurav等[19]于2018年提出的一種基于群體的元啟發(fā)算法,主要通過模擬海鷗的遷徙和攻擊行為,實現(xiàn)對給定區(qū)域內(nèi)的快速尋優(yōu),能夠較好解決工業(yè)上具有挑戰(zhàn)性的大尺度約束問題。因此,本文采用海鷗算法對艦炮武器維修器材調(diào)劑供應(yīng)優(yōu)化決策模型進行求解。

1) 基本原理

在遷徙過程中,每只海鷗在避碰行為條件下朝向最佳位置飛行,并不斷調(diào)整飛行角度和速度,以螺旋線方式攻擊獵物。具體數(shù)學(xué)模型如式(5)—式(8)所示:

Cs(t)=A*Ps(t)

(5)

Ms(t)=B*(Pbs(t)-Ps(t))

(6)

Ds(t)=|Cs(t)+Ms(t)|

(7)

Ps(t+1)=Ds(t)*x*y*z+Pbs(t)

(8)

其中:t為當(dāng)前步;Ps(t)為海鷗當(dāng)前位置;Cs(t)為海鷗避碰位置;Pbs(t)為當(dāng)前最佳位置;Ms(t)為個體海鷗向最佳位置收斂方向;Ds(t)為遷徙行為結(jié)果位置;Ps(t+1)為考慮攻擊行為后海鷗的位置。

控制參數(shù)A、B和螺旋線參數(shù)x、y、z的計算如式(9)—式(11)所示:

A=fc-t*(fc/Maxiteration)

(9)

B=2*A2*rand()

(10)

其中:fc可以控制變量A的頻率,A從2線性衰減至0;θ是一個位于[0,2π]的隨機值,算法通過u和v控制螺旋半徑r,u和v通常取1。SOA算法流程如圖5所示。

圖5 SOA算法流程

2) 改進設(shè)計

維修器材調(diào)劑供應(yīng)問題屬于非線性整數(shù)規(guī)劃,元啟發(fā)算法的應(yīng)用需要離散化處理。本文以每個需求種類為獨立鏈路編碼,每個鏈路上從首位開始每NK位為一個基礎(chǔ)段,對應(yīng)一個需求點所需廣義資源儲備點的供應(yīng)數(shù)量,則一條鏈路上共有NJ個基礎(chǔ)段。此外,由于決策空間不連續(xù)、多維約束各不相同,在海鷗攻擊行為中,x*y*z乘子容易導(dǎo)致行為超調(diào),致使供應(yīng)數(shù)量出現(xiàn)負值或超大值、喪失物理意義,對此,本文采用算子r3*θ對其進行比例規(guī)范化處理。

3 仿真驗證

參照文獻[13]的器材供應(yīng)實例參數(shù),對本研究模型方法和人工魚群算法(artificial fish swarm algorithm,AFSA)進行仿真對比測試。算法中各參數(shù)設(shè)置如下:海鷗群體規(guī)模50,最大迭代次數(shù)100,u和v取1,擁擠度15、步長3、重復(fù)次數(shù)10、視野范圍100,仿真環(huán)境為Intel(R) Core(TM) i7-8550U CPU @ 1.80 GHz 2.00 GHz,RAM 8 GB,MATLAB R2016b。仿真結(jié)果如圖6所示。

圖6 算法收斂曲線Fig.6 Algorithm convergence curve

可以看出,本文在收斂速度和尋優(yōu)效果上均優(yōu)于AFSA。本文求得最佳方案的適應(yīng)度值為21.263 8,對比AFSA的30.290 6,提升了29.8%。

4 結(jié)論

針對當(dāng)前艦炮武器裝備維修保障中的問題,提出了一種艦炮武器裝備智能化維修保障體系,分析了區(qū)域艦炮武器裝備PHM多級協(xié)同架構(gòu),并指出維修資源視情供應(yīng)是實現(xiàn)智能化維修保障的關(guān)鍵基礎(chǔ),對此,研究構(gòu)建了面向統(tǒng)籌區(qū)域的艦炮武器維修器材調(diào)劑供應(yīng)模型,并嘗試應(yīng)用一種新的元啟發(fā)算法——SOA進行問題求解,通過離散化改進設(shè)計和仿真試驗對比,證明了SOA在該問題上具有較好快速尋優(yōu)能力,為后續(xù)研發(fā)區(qū)域多級PHM決策系統(tǒng)提供了理論方法。