机动雷达结构系统智能化监测和诊断技术论文

机动雷达结构系统智能化监测和诊断技术论文

引言

机动雷达结构系统的维修保障通常是在发现故障后再进行修理或是定期进行预防性维修，但这种方法不能直观地反映雷达即时的使用状况，也不能有效避免故障的发生或在发生故障后进行准确判断。为了解决这些问题，提高雷达的智能性，迫切需要研究_种预知维修和智能维修系统，以监测雷达结构系统状态，实时感知外部环境和自身的状态变化，推测状态的变化趋势，估计故障的传播、发展和系统的劣化趋势，实现在线故障诊断和维修，提高系统的可用度m。

机动雷达结构系统的智能化监测首先需要通过传感器采集结构系统运行中的信息，再将其输入到信号处理系统中进行处理，得到相关的特征参数或变化曲线，然后通过诊断系统判别雷达是否存在故障，最后对有故障或异常状态的结构系统进行评价，提供预防和修正的方法。

1机动雷达结构智能化监测系统总体设计

i.i机动雷达结构智能化监测系统组成

_般地，机动雷达结构系统主要包括天线结构、天线座、液压系统、冷却系统、车辆和方舱等。智能化监测系统不仅对雷达结构各分系统的关键参数进行监测,还要提供雷达工作的外部环境参数，如温度、湿度、风速等，以便操作人员获取完整的信息,对雷达结构系统进行准确的评估。应综合雷达的成本、结构系统的重要性选取合适的监测特征参数。机动雷达结构智能化监测系统主要包括传感器、数据采集及信号处理机、智能诊断及显示系统，其基本工作原理为：传感器将特征数据送至信号处理机进行滤波等预处理，再通过

FFT(快速傅里叶变换）等方法进行信号处理，分析结果送智能诊断中心进行故障诊断，最后将决策和建议送至显示系统，如图1所示。

1.2雷达结构系统监测方法选择

常用的监测技术有振动监测、声监测、油样分析、光学监测、流量与压力监测、风速监测、温度与湿度监测等2。

振动监测是通过监测雷达结构系统工作中代表其动态特性的振动信号的异常来判断该结构是否处于正常状态。常用的振动信号有位移、速度、加速度、转速、应变、应力、力、转矩等。常用的传感器有压电式、电阻应变式、压阻式、涡流式、光电式和磁电式等，主要用于雷达天线座、天线结构、冷却系统中的风机、二次冷却装置等设备的在线监测。

声监测是根据雷达结构系统在运行中发出的声音或噪声来判别设备是否发生故障。其传感器主要是送话器和传声器。在现场监测中还用到超声波检测，即用一个探头发射超声波，另一个探头接收超声波，通过其信号形式来判断管路腐蚀或设备内部裂纹等，可用于雷达冷却或天线座系统的监测。

温湿度监测是根据雷达结构及其周围环境温度、湿度的变化，来识别系统运行状态的变化。传感器主要有热电偶式、红外探测器等，主要应用于雷达外部工作环境测量、设备舱内环境测量、局部小环境测量及天线座稀油润滑系统、液压系统、冷却系统等。

油样分析技术是对雷达液压系统液压油或天线座润滑油中的颗粒物进行检验分析,以判断油是否被污染或劣化的监测方法，常见的有铁谱分析、光谱分析等。

2机动雷达典型结构系统监测技术

2.1天线座监测技术

机动雷达天线座主要由方位传动、同步轮系、转台和底座和润滑系统组成，包括电机、方位减速箱、带齿方位大轴承、数据小齿轮及圆柱齿轮等。方位减速箱一般采用稀油润滑，方位大轴承和同步轮系可根据需要采用油脂或稀油润滑。

雷达天线座是一种旋转机械，包括电机、齿轮、轴承等典型机械部件，可采用以振动监测为主并辅助监测油温、液位、力矩、转速的方法，即在传动系统轴向、径向及关键部位安装传感器，测得相关数据后送后端进行处理。典型雷达天线座测点布置如图2所示。

天线座振动监测采集的信号需通过信号处理机提取出特征参数（位移、速度或加速度），信号处理机先进行预处理，再进行精确处理。常用的预处理方法主要有滤波、包络和相加平均法。精确处理方法主要有时域分析、幅值域分析、频域分析、小波分析等。

时域分析主要通过直观测量加上波形分析进行，可用于对设备故障的初步判断。幅值域分析主要是利用振幅概率密度图来分析故障信号源的性质。频域分析是对振动信号进行分析的传统而有效的方法，主要是基于快速傅里叶变换的谱密度函数分析，时域函数x(t)的傅里叶变换为

式中:t为时间；f为频率。

另外，还可通过自相关函数或幅值谱求得自功率谱3。这样，就可以通过频谱图来判断故障的部位及严重程度。某减速箱投入使用后先后测得的频谱图（图3和图4)表明，齿轮磨损显著加大。

有时，为得到信号的局部特征，还需采用加窗及频率细化技术。如图5所示,对以图3中减速箱一级啮合频率为中心频率进行细化，可大大提高频率分辨率。

近年来发展的小波分析、时间序列法、分形处理等

方法进一步提高了故障信号分辨的精确性。因此，对天线座系统的振动进行状态监测，再结合监测出的油温、力矩和转速，可对天线座各部分的运行状态进行准确预测和故障判断。

2.2液压系统监测技术

液压系统因其具有体积小、重量轻、功率大、承载能力强、工作平稳等独特的优点而在机动雷达中得到了广泛应用。液压系统主要包括液压泵、电机、油箱组件、阀组、执行油缸、液压马达和油管等，需要监测的特征参数包括油源压力和流量、阀组压力和流量、各执行油缸及液压马达的压力和流量、油温、执行油缸位移、油液质量等，可用温度传感器、压力传感器、位移传感器和流量传感器实现数据采集，采用铁谱分析、光谱分析等多种方法，全面、综合地监测与诊断液压系统的磨损、腐蚀、污染或油质变化情况。

与天线座监测系统类似，可通过绘制各特征参数的时域波形来直观显示液压系统的运行状态。还可通过监测液压系统动力源三相电信号来获取液压系统加减载、冲击、过载和溢流等不同工况及功率匹配情况。

2.3冷却系统监测技术

机动雷达中常用的`冷却方法有强迫风冷和液冷。强迫风冷又分为开式风冷和闭式循环风冷，开式风冷的主要设备有通风机、通风管道、滤尘器及电源等，闭式风冷除了具有上述设备外，还需增加具有制冷散热功能的冷却风柜或空调；液冷的主要设备包括二次冷却装置（含水泵、水箱、热交换器等）、阀及管路等。

风冷系统监测的特征参数主要有温度、压差、风量、转速等，液冷系统监测的特征参数主要有液温、压力、流量、液位等，风机、水泵运行状态仍然可以采用类似于天线座的振动监测方法。另外，漏液监测既是液冷系统监测的重点，也是难点。漏液监测方法包括负压波法、声波法、流量监测法、感应线监测法等,在实际应用时，为便于工程实施,可采用接水盘漏液监测和流量监测法4。

3机动雷达结构系统智能化诊断技术机动雷达结构系统可用的故障诊断技术主要有：

1)统计法，从时域和频域中提取映射设备运行状态的特征元素或特征向量，与标准谱数据库中的进行比较来确诊设备是否出现故障。该方法需要大量测试和统计数据。

2)逻辑诊断法，其中最重要的是故障树分析法,它是将系统故障形成的原因由总体至部件按树枝状逐级细化，一直追溯到那些不能展开或无需再深究的最基本因素为止。故障树是由顶事件、中间事件和底事件用适当的逻辑门自上而下逐级连接起来构成的结构图。故障树既可用作定性分析，也可用作定量分析。故障树分析法广泛应用在雷达结构系统故障诊断中，图6是某雷达液压系统天线无法倒竖故障树。Xi?X22为底事件，从该故障树可以求出最小割集，但上行法或下行法搜索盲目性大且较费时，因此需结合专家系统确定最佳搜索方案。

1)模糊诊断法和灰色识别法，考虑到系统故障不确定性的各种因素，模糊数学建立了一种基于模糊逻辑算法的隶属度分析识别方法，可精确反映系统故障的不确定性,但该方法的前提是数据完整，在工程实际很难取得完整信息时，需采用灰色识别法，即采用灰色模型GM(1,1)来对故障进行预测。这2种方法广泛应用于液压系统的故障诊断。

2)人工神经网络诊断法，从模式识别角度应用神经网络作为分类器进行故障诊断，从预测角度应用神经网络作为动态预测模型进行故障预测。基本神经元的数学模型为

5)专家系统，它是根据结构系统故障诊断专家提供的知识和经验进行推理和判断，模拟人类专家的决策过程，帮助普通人员解决复杂问题。专家系统一般由知识库、推理机、数据库及解释程序、知识获取程序及人机接口组成。专家系统知识具有永久性、共享性和易于编写性等优点，适用于比较规范的大型复杂动态系统。近年来,结合其他诊断技术发展的模糊专家系统、神经网络专家系统和网络专家系统等，为研究结构系统的智能诊断方法提供了更具价值的方向指引。

4结束语

雷达电讯系统自测试（Built~inTest,BIT)技术已取得成功,而其机械结构系统的故障监测和诊断尚处于起步阶段。美国在《系统和设备测试性大纲》中，将BIT扩展到机械结构中，但目前对机动雷达结构系统如何进行智能化监测，还没有一套完整规范的方法可供参考。本文以机动雷达机械结构各分系统为研究对象，分别从关键特征参数的获取、信号处理及诊断决策3个方面进行了研究，给出了机动雷达结构系统智能化监测的总体框架和方法选择，这也是雷达结构系统BIT技术发展的一个重要研究方向。