优秀论文大数据技术在武器装备PHM中
编者按：年9月18日至24日，第三届军民融合发展高技术装备成果展览暨论坛活动在北京成功举办。为配合本次活动，主办方组织开展了“第三届军民融合发展高技术装备成果展览暨论坛”论文征集，共收到投稿论文篇，经多轮评审遴选出优秀论文55篇。仰山智库将陆续推送优秀论文，以飨读者。
大数据技术在武器装备PHM中的应用思路探讨
作者：郭志明刘智慧李长福
1.引言
随着武器装备信息化程度的不断推进，新型传感器及信息系统对装备设计、试验、生产、使用、维修各个环节的监测记录促进了武器装备大数据的形成，这些大数据为武器装备故障预测与健康管理的应用提供了更加肥沃的“土壤”。与此同时，大数据存储与分析、计算机运算能力的提升和深度学习算法的突破大大推动了大数据及人工智能技术在互联网、金融、无人驾驶、智慧医疗等民用场景中的应用，众多国家也把大数据技术摆在国家战略层面加以推进，使其成为抢占新世纪技术优势的战略制高点，是今后若干年内主要的技术发展方向，大数据技术正以前所未有的方式冲击着世界发展的既定轨迹。
PHM技术作为工业4.0中的一项核心技术，已经受到了美英等军事强国越来越多的重视和应用，并成为美国国防部采购武器系统的一项要求。国外已将PHM技术应用在民用航空、汽车、道路桥梁、核电站、大型水坝等民用领域，使其成为21世纪名副其实的军民两用技术。国内主要是航空、航天、铁路、汽车等行业开展了PHM技术研究与应用，但近年来，由于PHM在系统级数据集成、数据处理能力以及故障诊断及预测的精度等方面，难以适应武器装备高速多变的使用环境，致使PHM系统在武器装备中的深度应用受限，大数据技术的发展为解决这些问题提供了技术与基础，使PHM成为大数据及人工智能在战场上重要的应用场景之一。
本文在阐述武器装备大数据现状与特点的基础上，建立大数据技术在武器装备PHM中的应用框架，给出实现应用框架的关键技术及应用设想，以期能够为大数据技术在武器装备故障预测与健康管理中的应用提供一种解决途径。
2.武器装备PHM大数据
武器装备构成复杂、使用环境的高速多变加之故障发生的不确定性，导致装备故障预测与健康管理的难度大、准确率低。而在武器装备寿命周期内，装备自身及外围产生了大量的数据，为分析决策提供了丰富的原材料，这些数据都直接或者间接记录着与装备健康状态相关的信息，从不同角度为武器装备PHM提供支撑，已经成为故障诊断及预测的重要依据。因此，为全面评估预测装备的健康状态，武器装备PHM大数据范畴包括装备自身及外围数据。
2.1武器装备PHM大数据现状
武器装备信息化、自动化水平的提高以及与物联网的相互渗透与融合，使得装备设计生产企业和使用部门内部积累了大量数据，对于某一特定装备而言，主要包括设计数据、生产数据、运行数据、环境数据以及装备故障维修保障数据等，分属于不同单位和人员。
武器装备PHM大数据是随着武器装备的全寿命周期的阶段而产生，有较强的时序关系，且部分数据相互之间存在相关性。与此同时，武器装备PHM大数据还存在统筹规划性不强、数据价值利用率低等问题。造成这些问题的原因一方面是由于浅层的数据挖掘算法不能满足实际使用要求，另一方面则是由于传统数据库技术已经逐渐不能满足信息系统集成的需求，而大数据技术具备突破传统技术限制的能力，为解决武器装备PHM大数据在采集、存储、价值挖掘等方面的问题奠定了技术基础。
2.2武器装备PHM大数据特点
武器装备PHM大数据具备大数据的海量性（Volume）、多样性（Variety）、高速性（Velocity）、价值密度低（Value）等四个典型特征，表现为数据量更大，不是片段的数据样本，而是全体数据；数据结构更混杂，非结构化数据量激增，所占比重越来越大；数据之间的关系更复杂，挖掘难度大，特别是深层次的相关关系。而武器装备PHM大数据除了具有4V特征，现阶段还存在以下特点：
（1）维度高。各种复杂的物理、化学变化发生在武器装备运行过程中，装备内部、装备与环境，装备与装备，装备与目标之间相互影响，数据变量维度急剧增加，这使得获取武器装备内部及外围状态变得复杂多变。而随着云计算、多媒体和移动计算的快速发展和深入应用，武器装备的数据变量及其维度还将快速增长。
（2）噪声复杂。主要体现在两方面：一是噪声种类多，武器装备都受复杂的环境影响，不同环境因素之间存在交互作用，如振动和冲击应力之间会有促进或者抵消作用；二是噪声大，由于武器装备在运行过程中难以屏蔽恶劣环境的影响，尤其是陆基装备比较突出，PHM数据在采集的过程中会不可避免的产生噪声。
（3）系统性弱。武器装备各企业和使用部门经历了20年的信息化建设，形成了大量的、种类繁多的信息应用系统，但信息应用系统之间相对独立，从而形成了信息孤岛。原因之一是缺少信息系统之间的数据集成技术；另一方面是武器装备行业具有高保密性，增加了装备不同阶段数据的共享难度，难以形成装备信息链。
3.大数据在武器装备PHM中的应用框架
结合PHM大数据现状及特点，利用分层系统设计思想，设计如图2所示的武器装备PHM的大数据技术应用框架。
数据采集层的主要功能是将多种传感器采集到的武器装备运行中的状态监测信号导入到终端并上传至服务器中，并设计数据接口将装备的履历数据及相似产品数据上传至服务器中，其中包括结构化数据和非结构化数据；传感器采集数据格式多样，不同信息系统之间数据整合难度大，数据存储层应具备存储结构化及非结构化数据的能力；在对大数据进行挖掘学习之前，应对数据进行特征工程去除噪声、异常值及标准化；之后将数据传递给模型与算法层的各种算法，建立传感器信号数据与武器装备健康状态之间的映射关系，武器装备大数据集具有负样本少、服役环境残酷多变等特点，重点研发不平衡数据算法及关联分析模型；最后在应用层对模型与算法的分析结果进行PHM系统应用，交互式及可视化展示等。
4.关键技术
4.1基于Hadoop的武器装备PHM大数据存储
武器装备PHM大数据包括结构化数据和非结构化数据，彼此之间相互独立并且随时间推移，数据量越来越大，非常有必要构建一个支持多源的、多层次的、易扩展的数据存储平台，实现武器装备PHM大数据的集中存储。传统的对大规模数据处理大多使用分布式的高性能计算、网格计算等技术，需要耗费昂贵的计算资源，而且对于如何把大规模数据有效分割和计算任务的合理分配都需要繁琐的编程才能实现，而Hadoop分布式技术的发展正好可以解决以上的问题。
武器装备正常运行过程中，有多种监测设备针对武器装备的关键部件进行状态监测，如振动传感器、电流传感器、温度传感器、油液传感器、性能监测等。与PHM相关的信息系统也记录着装备的履历数据，对装备进行健康管理也有重要作用，如设计信息系统、工艺信息系统、装配信息系统等。将多个监测设备采集的数据及相关信息系统的数据存入HDFS中，在HDFS上层，通过关系型数据库MySQL和非关系型数据库HBase进行数据的调用和读取，为后续数据处理提供输入，用户可以对数据库进行CRUD操作。
4.2特征工程
武器装备PHM数据的特征会直接影响预测模型结果，选择的特征越好，学习效果越好。特征工程是在对数据进行机器学习前对数据进行的预处理，选择优质的特征对需要学习的映射关系进行刻画。武器装备PHM大数据噪声大、变量维数高，为获得理想的挖掘学习效果，需要针对武器装备PHM大数据的具体特点开展特征工程。
特征工程的核心是对特征的处理与选择，主要包括数据清洗、符号特征离散化、特征预处理、特征降维、采样，特征选择、特征有效性评价等。经过特征工程处理的数据质量得到了改善，为高效的数据分析挖掘创造了必要的前提条件。
4.3基于Spark的武器装备PHM大数据处理
Spark是一款高效的、基于内存计算的分布式计算系统，适用于计算量大、效率要求高的应用场景，互联网企业如百度、淘宝、腾讯、京东、优酷土豆、雅虎等都采用了Spark技术。
Spark首先从MySQL数据库及HBase读取数据，对数据进行格式转化，转为可以被MLlib算法库调用的数据格式，之后调用MLlib中的算法对数据进行训练。对于PHM实时监测与评估，通过Spark组件读取实时数据，该实时数据是装备的运行数据，将该数据与原数据混合，然后利用最佳模型对装备进行实时评估。为了提升算法性能，设置了算法优化器，提供调参、算法的改进、及自定义算法等方法。作为计算框架，Spark与用户之间建立了接口，便于接受用户机器学习任务的请求并将学习结果返回给用户。
4.4PHM大数据挖掘模型与算法设计
模型与算法是武器装备PHM大数据分析处理必不可少的工具，模型与算法的分析结果直接展现给用户，算法的性能决定着大数据技术能否在武器装备PHM中成功应用。武器装备PHM大数据分析处理过程中，既有监督学习也有非监督学习，既有分类问题又有回归问题，算法依据装备数据特点进行改进。在高性能算法的设计与选用上，一方面对算法参数进行调优，另一方面注重算法的集成，如随机森林和神经网络相结合、梯度提升决策树和逻辑回归相结合等。
5.应用设想
装甲车辆作为陆基主要的武器系统平台，在使用中的故障诊断与预测能力对充分发挥其效能具有重要意义。装甲车辆在设计、生产、使用和维修过程中，会产生大量的数据，在这些数据之间建立关联关系，进行融合分析，将对提高武器装备PHM系统精度与效率提供重要支撑。针对装甲车辆PHM系统进行大数据应用尝试。
疲劳、磨损、断裂、泄漏等是装甲车辆的主要故障，这些故障多属于退化型故障，系统对与之相关的相似产品数据、环境数据、运行图像及声音状态等数据进行集中采集监测，以提升装甲车辆典型故障诊断与预测能力。系统功能包括：大数据采集、数据存储、特征工程、模型与算法与场景应用等。大数据采集通过不同传感器和信息系统，获取装甲车辆的多方位的运行状态数据、关键零部件退化的图像和声音数据、历史数据等，作为装甲车辆PHM的输入；数据存储为采集到的PHM大数据提供一个开放式的存储环境；特征工程负责数据预处理和特征提取等，装甲车辆运行在恶劣的地面环境上，振动是装甲车辆的主要环境应力，重点全国治白癜风最好医院女人白癜风
转载请注明：http://www.bixiongs.com/lwjq/1513.html
