[发明专利]基于SNR退化模型和粒子滤波的雷达发射机故障预测方法

说明书

本发明公开了一种基于SNR退化模型和粒子滤波的雷达发射机故障预测方法，该方法通过最小均方误差法在雷达使用寿命期间对固定目标的回波信噪比SNR进行测量；对信噪比退化过程建立多项式状态方程和观测方程；通过曲线拟合对退化模型参数初始化，采用粒子滤波方法训练模型参数形成用于雷达发射机故障预测的最佳模型；利用粒子滤波和最佳模型对雷达发射机进行故障预测；本发明通过建立退化模型实现不依赖大量数据的雷达发射机在线故障预测，可以在雷达系统实际使用时监测其发射机健康状态，保障其可靠性。

技术领域

本发明属于电子设备的故障预测与健康管理技术领域，具体涉及一种基于SNR退化模型和粒子滤波的雷达发射机故障预测方法。

背景技术

雷达系统是一种常用的复杂电子系统，发生故障几率及其故障点存在诸多不确定因素，其中雷达发射机是雷达系统的关键组成部分。对雷达发射机的维护则是保持雷达系统完好并顺利完成任务的保障。早期的复杂电子系统大部分使用事后维修和定期维护这两种维护方式。随着电子装备复杂程度加深，被动的事后维修和定期维护导致大量的资源浪费。为此，故障预测与健康管理技术(Prognostics and Health Management,PHM)应运而生，其核心是通过对装备故障的提前预测来安排对应的维护方式，让装备能够保持功能性，减少了维护的费用和避免了故障导致的各种损失。

对故障预测技术的研究主要分为两类，一类基于数据驱动，另一类基于性能退化模型。近几年我国对故障预测方法开展了一些研究，如故障树法、灰色模型法、深度学习等，这些方法大多属于数据驱动，需要大量数据和高精度数据分析能力。如果能够建立准确表征性能退化的模型，就能在不需要大量数据的情况下对故障进行预测。

发明内容

本发明的主要目的在于提供一种基于SNR退化模型和粒子滤波的雷达发射机故障预测方法，旨在解决既有方法中存在的以上技术问题。

为实现上述目的，本发明提供一种基于SNR退化模型和粒子滤波的雷达发射机故障预测方法，包括以下步骤：

S1、选择雷达在其使用寿命期间对固定目标的回波信噪比SNR的退化作为损伤参数，构建雷达回波信噪比SNR的物理模型；

S2、采用最小均方误差法计算雷达回波信噪比SNR；

S3、根据雷达回波信噪比的多项式状态方程和观测方程，构建回波信噪比SNR的退化模型；

S4、通过曲线拟合获取回波信噪比SNR退化模型中的初始参数；

S5、利用粒子滤波方法和历史数据对回波信噪比SNR退化模型进行训练，更新模型参数；

S6、利用基于粒子滤波的寿命终止预测方法和步骤S5训练后的回波信噪比SNR退化模型对雷达发射机进行故障预测。

进一步地，所述步骤S1中，构建的雷达回波信噪比SNR的物理模型具体表示为：

其中，P_input为发射机的输出功率，G_t为发射增益，G_r为接收增益，λ为发射信号的波长，σ是探测目标有效反射面积，k为波尔兹曼常数，T₀为标准温度，B为接收机中频带宽，F为接收机噪声系数，R为目标距离，L为系统损耗因子，Γ_L为天线反射系数。

进一步地，所述步骤S2中，采用最小均方误差法估计雷达回波信噪比SNR具体表示为：

其中，s(t)为发射信号，y(t)为接收信号，为回波振幅估计，τ为回波时延。

进一步地，所述步骤S3中，构建的回波信噪比SNR的退化模型具体表示为：