[发明专利]基于多退化模型的连续波速调管发射机实时故障预测方法

说明书

本发明公开了一种基于多退化模型的连续波速调管发射机实时故障预测方法，该方法包括选取连续波速调管发射机多退化模型状态向量，建立连续波速调管发射机空间状态退化模型，构建适用于多退化过程的退化模型通用更新框架，对连续波速调管发射机实时故障进行预测。本发明在构建正确多退化模型的情况下，能够在线适应被监测的连续波速调管发射机，并通过追踪多个退化过程来获得对发射机较高精度的实时故障预测，实现在复杂环境下对发射机的故障实时预测，保证系统任务的可靠性。

技术领域

本发明属于连续波速调管发射机故障预测技术领域，具体涉及一种基于多退化模型的连续波速调管发射机实时故障预测方法。

背景技术

连续波速调管发射机是雷达系统的重要组成部分，为雷达系统提供大功率的射频信号，发射机运行是否正常对雷达探测的范围和精度有直接影响，并且它是雷达系统中故障发生率较高的组件，因此对其进行有效的状态监测和故障预测十分重要。故障预测要求在故障未发生之前对影响状态的重要信号进行分析处理，这个过程涉及诸多未知因素和不确定性，其难点在于：(1)采集到的原始信号类别多，建立其对应的预测模型困难；(2)由于连续波速调管发射机的特殊结构和组成，采集信号之间关联复杂；(3)不同退化机制的退化过程在相同类型的组件之间变化，且多退化过程的组合导致发射机朝着不同的退化方向演变，从而导致不同的故障模式。

在电子设备系统及其组件的故障预测中广泛应用基于模型的故障预测方法，典型的技术有多项式曲线拟合、卡尔曼滤波器、粒子滤波器、时间序列法和灰色模型等。此类方法的优势为：可以深入描述预测对象的本质特性，同时可以达到实时的故障预测；劣势为：要求建立准确的预测对象退化模型，如果模型与实际相差太大则预测性能很差。本发明对发射机的故障预测即采用了这种基于模型的方法，深入研究了连续波速调管发射机多退化过程中采集信号之间的联系和各种故障模式，并在此基础上构建了能够准确反映发射机放大链路的性能衰退规律的多退化模型，经过仿真实验对预测效果进行验证，证明本发明方法可以实现对发射机的实时故障预测。

发明内容

本发明的主要目的在于提供一种基于多退化模型的连续波速调管发射机实时故障预测方法，通过构建准确的多退化模型来实现对发射机的实时故障预测。

为实现上述目的，本发明提供一种基于多退化模型的连续波速调管发射机实时故障预测方法，包括以下步骤：

S1、根据连续波速调管发射机结构确定多退化模型的状态向量；

S2、建立连续波速调管发射机多退化模型；

S3、根据采集的测量数据结合粒子滤波器方法对步骤S2中多退化模型状态参数进行更新；

S4、利用基于粒子滤波的的寿命终止预测方法结合更新后的多退化模型对连续波速调管发射机实时故障进行预测。

进一步地，所述步骤S1中，根据连续波速调管发射机中固态放大器和速调管放大器组成的放大链路结构，将发射机增益、增益平坦度、发射信号功率、发射功率带内起伏、发射效率、信号顶降、驻波比、单边带相位噪声这些参数确定为多退化模型的状态向量。

进一步地，所述步骤S2中，建立的连续波速调管发射机退化模型具体表示为：

x(t)＝f(t,x(t-1),θ(t),u(t),p(t))

y(t)＝h(t,x(t),θ(t),u(t),m(t))

其中，x(t)表示时刻t的连续波速调管发射机状态向量，f(·)表示连续波速调管发射机状态方程，y(t)表示连续波速调管发射机的输出向量；θ(t)表示必须确定的未知参数向量，h(·)表示连续波速调管发射机观测方程，u(t)为输入向量；p(t)和m(t)分别为过程噪声和输出噪声。

进一步地，所述步骤S2中，连续波速调管发射机状态向量x(t)具体表示为：