数据驱动的航空装备协同分析与智能保障决策方法

牛 伟，成 娟，赵建平

(1.中国航空工业集团公司西安航空计算技术研究所，西安 710068；2.西安应用光学研究所，西安 710065)

未来战争正在向着体系化、立体化、分布式作战的方向发展。在这种作战体系中，所有的主战装备都将成为分布式体系中的一个节点，作战指挥人员通过指挥网络，能够对这些装备(节点)的状态进行实时监控和调度，从而更好、更快地完成各类作战任务[1]。目前，传统的被动式装备保障体系无法有效支撑未来战争所需要的快速响应能力[2]。以作战飞机为例，根据作战前的任务部署，飞机配备相应类型的弹药和相应数量的燃油，任务执行完成后，着陆进行补给，在执行下一次任务前需要对飞机进行全面维护并进行状态评估，这样需耗费较长的时间，以目前服役的三代战机为例，通常飞机平时出动需要进行1.5～2 h维护[3]。引入主动式装备保障系统后，通过对飞机内部各类智能传感器信息的处理与融合，实现对飞机自身及部件状态的实时感知[4-5]。保障系统根据飞机实时状态，并结合战役的实时态势，预先进行保障部署，向供应系统下达相应的调配燃油、弹药、备件等命令。

目前中外学者在后勤保障领域进行了深入的研究工作。文献[6]结合Petri网建模仿真方法，开展修理线的能力分析；文献[7]主要以最小备件库和成本为代价指标，通过构建各保障站点间依赖和相互作用的模型，对备件多层级库存问题进行分析；文献[8]提出的智慧后勤装备保障体系，基于信息化集成技术搭建后勤保障化平台，并结合物联网和云计算技术实现智慧后勤装备体系。文献[9]总结了一系列目标导向的维修保障仿真来辅助决策的方法。但以上研究并没有从装备全寿命周期出发分析备件最优问题，从而影响装备快速形成作战及保障能力。不同的保障模式对应寿命周期的不同阶段，备件的需求特征不一样，现有研究未考虑寿命周期各时期的相关性，而保障需求特征是随装备全寿命周期动态变化的。因此，以航空装备保障时间优化为目标，创新提出协同保障资源感知方法，通过多级区域平衡划分建立保障资源层次化的快速定位方法、支持复杂策略的多元匹配模式以及保障资源快速重构方法，进而提出数据驱动的协同保障任务分解与决策机制，有效实现基于异构共融的协同保障目标。

1 基于数据驱动的空地协同装备状态分析

主动式装备保障系统在武器设备运行过程中完成数据收集、状态评估、故障诊断及预先保障部署等功能[10]，如图1所示。传统云计算集中式处理的方式，导致保障响应延迟大、安全性差等缺点(如飞机与卫星或地面链路带宽无法支持状态数据的实时传输)，需要采用空地协同方式进行装备状态的分析评估[11]。

图1 主动式装备保障流程

飞机边缘节点融合多个信息物理系统(CPS)传感单元采集的飞机各部件的感知数据，形成子系统融合状态数据，飞机等装备作为雾计算平台，结合任务等系统需求，产生飞机初步的健康状态，发送到云端系统，云通过虚实(飞机物理状态数据，基于故障模型的仿真状态数据)结合的方式形成飞机系统级健康状态报告，进行部件剩余寿命预测，如图2所示。以多目标优化的理论为基础，实现计算、数据通信的综合优化，设计云-雾-边数据处理任务的分配与部署方案，实现云中心和边缘设备计算能力的最大使用效率。在云-雾-边协同基础上，通过监测装备实时状态变化，以及从历史数据中创建对象系统的行为模型，最终达到对武器装备更精准的状态评估[5]。

图2 云-雾-边协同

目前，对于飞机等复杂武器装备而言，创建物理失效模型十分困难且泛化性不足，因此针对测试数据，分析设计、仿真、维护等阶段测试用例特点，设计基于可扩展标记语言(XML)的结构化故障测试用例描述方法，通过故障测试用例离线和在线的执行，产生测试数据。结合基于传感器的在线状态监测和历史数据，分析部件或系统的退化过程，提取不同阶段的性能变量，建立数据与性能变量的对应关系。在此基础上，结合基于退化状态识别的数据驱动判断方法，退化状态识别将不同的性能变量映射为对应的健康因子HI，HI构建原理为

zHI=fh(x1,x2,…,xn)

(1)

zhealth∝fD(zHI)

(2)

式中：x1,x2,…,xn为对象系统直接测量参数；zHI为构建的健康因子；zhealth为描述对象系统的健康状态或剩余寿命；fh和fD分别表征HI映射函数和退化状态函数。

基于退化状态的识别，以实时数据和历史数据协同分析的方式对武器装备状态进行估计和判断，如图3所示。首先利用历史试验数据、装备在线状态监测数据和测试数据，量化退化过程中具体的性能变量值，识别目标系统的退化状态，从而判断每个性能变量对目标系统健康状态的影响程度和关联程度，并最终确定退化状态相对应的HI，同时建立目标系统的性能变量与剩余寿命RUL的曲线。

图3 在线/离线结合状态判断

2 基于时效优化的协同保障决策

航空装备保障系统能够在装备运行的全生命周期中提供装备健康的保障决策。例如，在飞机从A地到B地的飞行任务执行过程中，健康保障系统需要根据飞机所处位置(如可保障的资源距离)、保障所需时间(如加油或更换配件所需时间)以及所需材料的数量(如所需资源数和保障人员数)等信息以完成装备保障任务。因此，在装备健康保障的过程中，资源数据呈现协同化多维度特性。协同保障通过虚实联动方式实现全局资源的保障资源的多源感知和高效资源调度决策。

保障感知索引通过将资源空间层次划分为多级子空间，资源数据能够在平台中映射到全局可调配的多维空间，实现数据资源的实时感知、协同调配和有效决策。

资源实时感知在平台中形成全局化的多维空间映射，维度属性包括时空关系、属性关系与关联关系。在协同保障时，资源感知形成动态重构的资源池以获得实时可用保障资源。可用保障资源具有联动决策能力。保障资源的协同联动通过含有谓词关系的数据检索实现，即特定的保障信息是否在某个范围的保障范围，提供全局仓库及维护工厂协同联动决策。例如，本地仓库存在备件A′但不存在备件B′，则调用A′来进行本地仓库备件B′的快速定位。执行资源协同时，保障资源通过节点属性协同实现多源复合调度与重构。

针对任务的快速决策，保障任务在全局感知资源中形成多种可行执行任务，即装备资源的协同决策集J在分解为n个保障任务J={j1,j2,…,jn}，则对于维护作业ji，其所有执行流程构成集合。对于维护作业集J而言,通过历史数据与资源实时感知得到所有可行的决策队列，如图4所示。云系统将维护作业集J分成若干个维护作业子集，使每个维护作业子集的整体时间执行时间最优。在得到计算队列之后，云平台将该决策结果转发至智能保障服务进行执行。

图4 时间优化的多作业装备保障决策方法

3 基于协同模型的智能保障服务

装备保障涉及保障工序的安排，保障人员和保障资源的调配等服务。为了合理配置资源，降低维修成本，提高保障效率，本项目结合保障作业过程复杂性、分布性、动态性，将人员、物资、设备、工具、时间、地点、工序等诸要素有机结合起来，提出了基于协同模型的装备智能保障服务技术。

由于装备保障作业的复杂过程是分布式的，其每一个过程节点都有一定程度的独立性，同时又紧密联系构成保障工作不可或缺的部分，协同合作完成保障任务[6]。装备保障协同模型如图5所示。

图5 装备保障协调模型

任务管理服务的作用是管理任务相关的所有信息，把保障任务分配给相关的保障执行者等。协同保障作业过程中，任务的分配对后续作业的顺利进行起着至关重要的作用。为提高保障作业中的协同效果，满足协同工作动态环境中切换角色和操作资源的要求，采取动态分配策略，随时对任务进行重新分配与调整。

人员调配服务是管理作业过程中的人员信息，而且管理作业人员具体的操作权限[7]。

资源调度服务是保障物资、设备和工具的统一管理平台，包含资源的属性参数和状态等信息。资源调度模块通过接口与对应资源连接，也可将作业任务请求传递给资源。

工序生成服务是由具体保障任务而定，对应特定的工序并对相关数据和生产调度过程进行管理。工序生成模块除了含有与人员、资源交互的接口外，还包括对操作数据进行分析、处理和优化的推理知识库。

3 基于协同模型的智能保障服务

结合飞机燃油系统智能供给典型装备保障应用场景，通过对该场景中，飞机燃油供给系统整体架构组织、飞机燃油测量节点、飞机燃油控制节点、加油车油泵控制节点融合建模与优化设计以及机场加油车协同调度等关键技术的实现，演示验证项目所提出的平台架构、设计方法和协同策略有效性。

以机载远程接口单元作为平台，分解出CPS节点需要采集信息的种类、精度及实时性要求，并进行模型数字化实现中离散频率等关键参数的计算。以提高集成度为目标，设计具有软件可配置能力的采集单元软、硬件架构，适用于不同传感器信息采集的软件配置设计，实现接口功能的分时复用获取数据。燃油智能供给服务应用场景如图6所示。地面核心云平台对飞机进行实时油量监控，根据战场态势为其部署后续任务，并预估后续任务燃油消耗量；飞机的油量信息和任务信息即时传送至机场装备保障管理中心，并由保障管理系统在飞机着陆前，完成燃油供给智能服务所需的加油车、油料及人员的统一调配。在加油过程中，飞机的燃油测量节点、燃油控制节点与加油车的油泵控制节点通过局部协同，完成精准、适量的燃油加注控制，以实现高效的飞机燃油智能供给保障。

图6 飞机燃油系统智能供给服务应用场景

飞机燃油系统智能供给演示验证平台由装备侧和保障侧两大部分组成，如图7所示。装备侧主要包括多类传感器(液位、姿态和密度等)、燃油测量、燃油控制、飞机管理计算机等。保障侧主要由核心云平台、机场装备保障管理系统、车辆管理系统、加油车、加油车油泵控制节点以及多类传感器(流量、压力和开度等)组成。

图7 飞机燃油智能供给仿真平台

整个仿真平台将按照项目所提出的“云-雾-边-端”异构共融架构进行组织构建。平台在装备部署两种主流的液位传感器(电容式和光纤式)、油密度传感器用以测量油箱液面和油密度数值，姿态传感器用以测量俯仰角、滚转角信息。多类传感器与远程接口单元(RIU)接入采用软件定义传感器接口的方式，验证软件定义的CPS自主组织与适应技术；RIU单元将采集的液位数据、飞行姿态数据和油密度数据上传至飞行管理控制器(VMC)，VMC计算油箱剩余油量并通过核心处理机(ICP)发送至核心云平台，该部分场景验证网络数据统一化的CPS单元互连与边缘汇聚技术；核心云平台实时接收ICP传送的状态信息，依据飞机状态信息和后续任务需求进行全局管控，并将决策信息发送到机场装备保障管理系统；机场装备保障管理系统根据获取的决策信息，对机场后勤保障进行统一调度管理(如车辆管理、资源管理和人员管理等)；该部分场景将主要演示加油工序生成、加油车调度和人员调配，并在模拟系统中进行实时显示，验证基于时效优化的协同保障决策技术和基于协同模型的智能保障服务；最后，燃油加注过程将主要演示燃油测量节点、燃油控制节点与加油车的油泵控制节点的局部协同精准控制。

5 结论

(1)主动式装备保障系统在武器装备运行过程中完成数据收集、状态评估、故障诊断及预先保障部署等功能，对飞机等复杂武器装备而言，以建立部件或系统的数学或物理模型的方式实现状态评估和故障诊断非常困难，因此，需采用数据驱动方的式，以武器装备设计、仿真、运行和维护等各个阶段的测试、传感数据对系统状态进行判断。

(2)分析设计、仿真、维护等阶段测试用例特点，设计针对航空装备基于XML的结构化故障测试用例描述方法，通过故障测试用例离线和在线的执行，产生测试数据。结合基于传感器的在线状态监测和历史数据，采用大数据分析方法，对航空装备的状态进行估计和判断，由此云端执行智能保障决策，并以云-雾-边协同的方式提供智能保障服务。最后通过典型航空装备保障场景的演示，验证方法的有效性，为主动式装备保障系统的研制奠定技术基础。