基于数据挖掘的某型雷达装备保障辅助决策系统

李田英, 胡道生

(河南省商丘医学高等专科学校,河南 商丘 476100)



基于数据挖掘的某型雷达装备保障辅助决策系统

李田英, 胡道生

(河南省商丘医学高等专科学校,河南 商丘 476100)

基于数据挖掘技术研究了某型雷达装备保障辅助决策系统。分析了某型雷达装备保障现状,以及制约雷达保障效率的四大问题,简要介绍了数据挖掘技术。利用数据挖掘的技术非常适合数据量大的特性,搭建了某型雷达装备保障的辅助决策系统,并对其主要功能模块进行了分析与设计。该系统能够为决策者提供装备保障和使用所需的重要信息,对提高保障效率和准确性以及充分发挥装备作战效能具有极其重要的理论和现实意义。

装备保障; 数据挖掘; 辅助决策

1 引 言

某型雷达作为我国战略预警的骨干装备,在对空、对海预警和反导等远程预警中具有独特的优势[1]。为了确保其稳定可靠地工作,对其必须要有强有力的维修保障能力。但某型雷达装备是一个系统复杂、精密度高、部署分散、结构庞大的系统,与常规雷达相比,该型装备保障的内容更多、标准更高、难度更大。目前对某型雷达装备保障的方式主要是技术人员使用仪器仪表依靠经验进行现场保障、定期保障、事后维修等传统的保障方式,这种方式具有对有用信息利用率低、速度慢、时间长、故障定位不准确等缺点。传统的保障方式与信息化战争条件下装备保障应该具有预测性、快速性、可见性和精确性的要求不相适应[2]。因此,迫切需要研制高效的装备保障辅助决策系统。而目前现有的常规雷达装备维修保障辅助决策系统由于设备型号、工作方式、系统结构、数据量大小等因素的不同,不能完全适用于该型雷达装备保障[3-5]。基于此,本文基于数据挖掘的技术搭建了某型雷达装备保障的辅助决策系统。该系统能够提高保障效率和准确性,充分发挥装备作战效能。

2 某型雷达装备维修保障现

目前该型雷达装备保障系统主要由基层级、中继级和基地级的三级保障机构组成,虽然也研制了网络化的装备保障信息系统,但该信息系统仅仅是对装备信息、人员信息、装备维修、装备器材管理的登记统计及文件信息传输,无法对数据库中多种异构数据进行综合分析和处理,同时也无法充分利用雷达运行过程中产生的大量信息,对装备保障决策的辅助支持作用极弱,难以适应信息化战争条件下装备保障工作的需求。目前的装备保障主要有以下的局限性。

(1) 信息化程度低,协同难度大。由于装备部署分散、结构复杂、各分系统之间关联性强,因此,故障呈现层次性、传播性、相关性和不确定性等新特点。当前雷达装备的故障诊断主要依赖于装备保障人员的维修保障经验,有时系统级故障需要多名人员在多站的多个机房协同排除,而装备保障可用的信息不足,且诊断信息得不到及时沟通,导致维修保障协同难增大,严重制约了雷达保障效率。

(2) 装备保障方式落后,缺乏故障预测和装备寿命管理机制。虽然目前该型雷达设备已有许多机内测试设备(BITE),可用于对部分已产生的故障进行诊断指示,但无法对装备实际的技术状况和总体质量进行评估和预测,如剩余使用寿命、技术状态的衰减情况及装备的可靠性等缺乏有效的预测,因此,很难制定出科学合理的预防性维修计划。当前仍采用事后维修、定期计划维修等传统的维修保障方式,维修针对性不强,造成“维修不足”和“维修过剩”的现象时有发生。

(3) 数据资料缺乏统一规范和管理,不完备,甚至相互矛盾。当前装备相关的数据资料主要由各岗位的战勤人员有选择地对这些数据进行收集、整理,缺乏统一规范和集中管理。这种方式不仅工作量巨大,使得相当部分的数据无法准确及时的收集整理,而且极易受到人为主观因素的影响,不同人员收集的资料之间可能存在相互矛盾的地方,从而影响装备保障决策。

(4) 数据量大,信息处理能力弱,缺乏高效地数据分析手段。雷达在工作过程中产生了海量的数据,主要包括:雷达工作参数、探测效能数据、雷达工作状态信息、故障信息、维修信息等等。这些信息对于雷达的故障诊断、装备可靠性研究、雷达探测性能研究、装备性能优化等方面十分有用。然而,由于这些数据十分繁杂,缺乏有效的自动化分析工具,造成了数据资料的浪费,也大大制约了雷达装备保障的能力和作战效能的有效发挥。

由上述的分析可知,目前某型雷达装备保障面临的问题是如何将大量分散的、异构的数据资料变成有效的信息资源充分利用,消除“数据丰富、信息贫乏”,使得这些数据能为装备保障服务。国内外的实践已经证明:数据挖掘技术可以从大量数据中发现知识和规律,很好地为装备保障提供规律或根据数据信息建立数学模型,帮助保障部门更好地完成装备保障任务,为正确决策提供依据。

3 数据挖掘技术

数据挖掘(DM),又称为数据库中的知识发现,即从大量数据中提取有效的、新颖的、隐含的、有价值的、最终可被理解的模式和规则的过程[6]。简单的说,数据挖掘就是从大量数据中挖掘知识,这些知识以概念、规则、规律、模式、约束等形式提供给决策者用以辅助决策。它是一门融合了人工智能、数据库、数理统计、机器学习、并行计算、可视化技术等多个领域的交叉学科。数据挖掘系统的典型结构如图1所示,主要包括数据库、数据仓库、知识库、数据库及数据仓库服务器,数据挖掘模块、模式评估模块和图形用户界面。数据挖掘的流程为:数据取样→数据探索→数据调整→模型化→评价,在这一过程的反复地进行中,决策模型不断趋近事物的本质。

图1 数据挖掘系统典型的结构Fig.1 Typical structure of data mining system

4 基于数据挖掘的某型雷达装备保障辅助决策系统

由上一节分析可知,数据挖掘技术能够在某型雷达装备保障工作中发挥重大作用。美、英、法等西方发达国家已逐步将这些技术应用到装备可靠性、维修性和保障性等工程实践中。本文基于数据挖掘技术建立某型雷达装备辅助决策

系统。为了便于今后对系统功能的扩展,采用面向服务的开放式软件架构,可以在使用过程中更加需要增添或修改功能部件。系统的体系机构如图2所示,从逻辑上可以分为四个层次:最底层为信息获取层:数据采集与转换模块,主要功能是从雷达各分系统中获取设备状态信息(包括传感器和机内测试信息);第二层为数据存储层,主要由静态数据库、动态数据库、数据仓库、知识库等组成;第三层为数据处理层,具有数据预处理、数据挖掘和辅助决策的功能,是整个辅助决策系统的核心;顶层为辅助决策层,主要负责决策任务及管理。同时辅助决策系统通过通信网络与装备修理厂、装备研制厂(所)以及驻地地方维修保障中心相连,构成了网络化、一体化的雷达装备保障体系。

4.1 信息获取层

最底层为信息获取层:数据采集与转换模块,主要有两大功能:一是录入装备保障人员收集整理的数据资料并进行格式转换,二是为实时采集的雷达相关信息。采集的雷达相关信息包括三个方面:一是工作状态参数,采集的原则是在充分表征系统状态的前提下,尽量减少监测状态参数的数量;二是监测状态参数,通过采集各类智能传感器或采样电路获得;三是机内测试信息。

图2 基于数据挖掘的某型雷达保障辅助决策系统结构Fig.2 The structure of a certain type of radar support decision support system based on data mining

4.2 数据存储层

数据存储层中的静态数据库用于存储装备保障人员收集整理的数据资料,包括:厂家的随机资料、雷达部件结构、装备性能资料、装备特性信息、装备维修登记、总结资料、装备工作信息等。在雷达工作过程中信息获取层采集的信息经归一化处理后存储到动态数据库中,这些信息主要包括:雷达工作参数、雷达工作状态信息、探测效能信息、频谱信息以及情报信息等。数据仓库存放经过分析、提取等处理之后的数据。知识库中主要存放故障机理、专家知识、故障树以及各类诊断、预测推理模型和分析规则等。

4.3 数据处理层

数据处理层为整个装备保障辅助决策系统的核心,分为四大功能模块。①数据预处理模块主要完成数据的抽取、清洗、转换、融合,将预处理好的数据保存到数据仓库中。数据抽取就是根据某型装备保障辅助决策的需要从静态数据库或动态数据库中抽取相关的数据;数据清洗主要完成数据噪声的清除;数据集成将多种数据源组合在一起;数据转换和综合将选择的数据转换成可挖掘形式,形成数据集市保存到数据仓库中。②数据挖掘模块主要包括数据挖掘、知识评价、结果修正等功能部件,数据挖掘部件借助知识库中已有的规则、方法、经验和事实数据等,利用合适的数据挖掘算法对数据仓库中的数据进行挖掘并发现知识,知识评价和结果修正对挖掘结果进行评估,某型装备设备复杂,数据量大,对不同装备采用的数据挖掘方法和工具也不一样,主要有基于神经网络的挖掘方法、基于关联规则和决策树的挖掘方法、基于模糊逻辑的挖掘方法等,以及这些方法的综合运用;③状态监测模块完成信号征兆辨识和特征提取的任务;④辅助决策模块包含各种辅助决策模型和决策优化模型。这四个功能模块都由多个小的功能部件配合完成其功能,每一个功能部件实现为一个Agent。当需要向系统中增加辅助决策功能时,只需要向相关的总能模块中添加合适的Agent部件,并在辅助决策模块中构造相应的决策过程模型;当需要改善某个辅助决策时只需要修改相关的Agent部件即可。

4.4 辅助决策层

辅助决策主要包括:故障诊断、故障预测、预防性维修预测、维修备件需求预测、装备保障人员配置、装备保障人员资格评估及其对雷达探测性能的影响等功能。由于篇幅有限,各功能模块不能一一介绍,本文以故障诊断为例进行说明。故障诊断利用获得的各类信息借助合适的推理机制来寻找故障现象和故障结果的映射关系,以达到预测故障发展趋势和后果以及部件的剩余寿命,给出最佳保障方案的目的。故障诊断主要包括故障知识获取和故障诊断两个方面:①故障知识获取。基于数据挖掘的某型雷达装备故障知识获取过程如图3所示。首先从数据库中收集、整理所需的原始数据,该阶段包括原始数据准备、数据预处理两步;然后进行特征提取,该阶段包括数据变换、特征选择、特征约简三步;为了充分利用不同特征之间的互补优势,可以采用不同方法对多种特征进行特征融合;数据挖掘算法设计根据数据的特点和各种学习算法的特点,设计挖掘算法的详细步骤;结果评价对挖掘结果进行一致性、合理性检查,与预期目标进行对比,同时加入专家知识,如果结果和预期目标偏差较大,返回算法设计阶段,调整或重新设计挖掘算法;如果结果理想,返回数据准备阶段,扩大数据集,重新开始一轮挖掘过程;知识导出重复上述步骤,直至达到最终目标,并将知识(如规则知识、模型知识等)导出到知识库中备用。②故障诊断。雷达故障诊断的工作流程如图4所示。首先采集故障信息,并对其进行特征提取和融合后与故障知识库中相关知识进行匹配,形成对监测目标的状态(健康状况)精确评估。当发现监测目标出现异常征兆或故障时,根据故障现象利用知识库中故障树等知识进行故障诊断,确定故障原因和部位。对当前无异常的部件则进行故障趋势预测,若故障趋势预测显示近期将出现异常时,则跟踪其故障发展趋势并预计部件的剩余使用寿命。最后利用所有故障诊断信息和预测信息进行综合分析,并结合维修保障资源和维修保障条件进行维修决策。

图3 基于数据挖掘的故障知识获取流程图Fig.3 Flow chart of fault knowledge acquisition based on data mining

图4 基于故障诊断工作流程Fig.4 Work flow based on fault diagnosis

5 结 论

本文研究了基于数据挖掘技术的某型雷达装备保障辅助决策系统。首先,分析了目前某型雷达装备保障中存在的问题,这些问题严重制约装备保障的效率和准确性;然后,分析了数据挖掘作为先进的技术手段可以服务于装备保障的可能性;最后,基于数据挖掘技术搭建了某型雷达装备保障的辅助决策系统,并对其中的数据采集与转换模块、数据存储模型、数据处理模块、辅助决策四大功能模块进行了详细的分析与设计。该系统能够为决策者提供装备保障和使用所需的重要信息,对提高保障效率和准确性,充分发挥装备作战效能具有极其重要的理论和现实意义。

[1] 张晓华,刘明云,王国师,等.基于AHP的天波雷达装备维修保障能力评估[J].火力与指挥控制,2014,(12):15-16.

ZHANG Xiaohua,LIU Mingyun,WANG Guoshi,et al.The evaluation of skywave radar equipment maintenance support capability based on AHP[J].Fire and Command Control,2014,(12):15-16.

[2] 彭善国,王希武,王寅龙,等.朴素贝叶斯及其在装备保障能力评估中的应用[J].计算机应用与软件,2012,(6):222-224.

PENG Shanguo,WANG Xiwu,WANG Yinlong,et al.Naive Bayes and its application in the evaluation of equipment support capability[J].Computer application and software,2012,(6):222-224.

[3] 胡永峰,郭建胜,杨明,等.基于IDEF的装备保障指挥辅助决策系统建模[J].空军工程大学学报(自然科学版),2006,7(6):72-75.

HU Yongfeng,GUO Jiansheng,YANG Ming,et al.Modeling of equipment support command assistant decision system based on IDE[J].Journal of Air Force Engineering University(NATURAL SCIENCE EDITION),2006,7(6):72-75.

[4] 王瑛,侯朝祯,冯天飞.指挥自动化辅助决策系统的设计和实现[J].系统工程与电子技术,2002,24(9):1-3.

WANG Ying,HOU Chaozhen,FENG Tianfei.Design and implementation of command automation assistant decision making system[J].Systems Engineering and Electronics,2002,24(9):1-3.

[5] 陈希军,叶勇.基于.NET的装备保障辅助决策系统(ESADS)的设计与实现[J].军械工程学院学报,2005,(3):1-4.

CHEN Xijun,YE Yong.Design and implementation of equipment support assistant decision making system based on.NET[J].Journal of Ordnance Engineering College,2005,(3):1-4.

[6] 陈玉明,吴克寿,李向军.一种基于信息熵的异常数据挖掘算法[J].控制与决策,2013,28(6):867-872.

CHEN Yuming,WU Keshou,LI Xiangjun.An anomaly data mining algorithm based on information entropy[J].Control and Decision-making,2013,28(6):867-872.

Aided Decision System for Equipment Support on Some Type of Radar Based on Data Mining

LI Tian Ying, HU Dao Sheng

(Shangqiu medical college,Shangqiu 476100,China)

The research on the problem of aided decision system for equipment support for some type of radar was made based on data mining.The status of equipment support and the four problems restricting the equipment support were analyzed.The data mining technology is introduced briefly.An aided decision system and its modules for equipment support on some type of radar were built based on data mining,which is suitable for mining big data.The aided decision system can provide decision makers with important information needed by equipment support and usage, it also has significant meaning in improving the efficiency of equipment support and equipment employment.

equipment support; data mining; aided decision

李田英 女(1982-),河南商丘人,讲师,主要研究方向为计算机网络。

胡道生 男(1982-),江苏沭阳人,工程师,主要研究方向为装备保障。

TP 311

A