0 引 言
机载气象雷达作为飞机关键探测设备，其主要功能是通过屏幕显示不同波段雷达回波探测到的天气降雨等情况，为机组人员提供直观的气象信息，使其能及时观察到前方的天气状况，特别是强降雨或风切变区域，从而做出准确判断和决策，有效避免飞机进入危险区域。自1993 年起，美国联邦航空管理局（FAA）明确要求所有民航客机必须安装机载气象雷达系统。鉴于机载应用的特殊性，为确保在恶劣环境下的飞行安全，实时监测机载气象雷达的健康状态至关重要。通过引入健康管理理念，对雷达设备进行健康状态评估，可以及时发现潜在的健康问题，并采取相应的维护措施进行修复，从而有效延长雷达设备的使用寿命，提高设备的可靠性和稳定性，为飞行安全提供更加坚实的保障。
有源相控阵机载气象雷达是一种新体制气象雷达，相控阵具备灵活的波束控制能力，且具备的空时处理能力可有效提高杂波抑制性能，其收发装置只有T/R 组件，所以相对传统机载雷达体积更小、重量更轻，可以更灵活地安装在飞机上，提供更广泛的应用场景和更高的部署效率。未来，机载气象雷达将采用多极化技术和相控阵技术来提升气象目标的检测能力。随着多极化和相控阵新体制机载气象雷达的发展和装备，其信号处理算法及硬件系统的复杂度较传统机载气象雷达有了大幅度增加，因此开展新体制机载气象雷达状态参数与健康监测技术研究对于促进国产机载气象雷达系统研制和运行维护具有重要意义。
在过去的十几年中，研究者们对雷达装备的性能评估进行了广泛的研究。文献［1］针对雷达各组件通过模糊规则评估组件健康状态，运用健康状态管理技术提升雷达性能。文献［2］通过研究相控阵雷达的健康状态监测，实现了雷达设备的预防性维修，对于提高雷达的可靠性和延长使用寿命具有重要意义。文献［3］构建了某型三坐标搜索雷达装备的健康状态评估体系，并基于故障关联和SOM 网络对雷达收发模块进行评估。这种方法结合了故障分析和神经网络，为复杂系统的健康评估提供了新途径。文献［4］结合了层次分析法（AHP）和模糊综合评价方法，用于评估航天发射场雷达系统的健康状态，并提出了一种新的重要性度量指标，用于评估参数指标对当前系统健康状态的影响。文献［5］将模糊综合评价与SVR 模型相结合，研究了雷达系统的健康状态评估方法。这种方法结合了传统的模糊评价与机器学习算法，提高了评估的准确性和效率。国内对相控阵体制机载雷达，特别是相控阵机载气象雷达的健康评估方法研究很少［6-7］。在雷达装备健康评估的研究中，大部分关注点都集中在评估方法的完善上［8-13］，包括熵权法、模糊综合评价、机器学习算法等的应用［14-16］，而缺乏对健康状态指标参数的构建研究，尤其对于机载气象雷达系统这样结构复杂的装备。健康状态参数的构建是评估方法的基础，缺乏科学、合理的状态参数将导致评估结果的不准确。此外，新体制相控阵机载气象雷达系统中的各个组件之间存在着复杂的关联关系。在评估整个系统的健康状态时，需要考虑和监测多个组件的状态，并且要考虑它们可能相互影响的情况。然而，传统的模糊综合评价方法无法直接进行这种综合评价。针对新体制多个组件间的关联关系和健康状态参数的模糊性问题，本文提出了一种改进模糊综合评判法，通过引入云模型隶属度函数［17-18］，可以对评估参数的不确定性进行建模和处理，有效提高健康状态评估中的模糊性。评估结果以云的形式表示，更直观地反映机载气象雷达的健康状态。
1 机载气象雷达健康状态参数
1.1 有源相控阵雷达的核心组件：T/R模块
有源相控阵雷达由多个辐射单元组成，每个单元配备一个独立的T/R 组件，这些组件根据既定的配置进行排列。波束形成器负责调节T/R 组件的信号幅度及相位，以实现波束在空间的定向扫描。这些T/R 组件的性能指标会对雷达系统的作用距离、接收灵敏度等核心性能造成影响。T/R 组件主要包含收发两个通道，其电路设计通常由射频T/R 开关、移相器、限幅器、功率放大器、环形器以及控制电路等组成，能够实现快速切换收发状态。典型的T/R组件结构框图如图1所示。
图1 T/R组件结构框图
1.2 新体制机载气象雷达系统组成
新体制机载气象雷达系统融入了多极化与相控阵技术，构成了一个先进的系统架构，如图2 所示，其核心组件涵盖了雷达收发机、有源相控阵天线、信号处理机、数字波束形成器、控制与显示系统等。有源相控阵技术的引入不仅使机载气象雷达具备了更高的目标探测分辨率和抗干扰能力，并且在发射和接收性能上直接受到T/R 组件的影响。故障率较高的雷达收发模块、信号处理机和T/R 组件是机载气象雷达中的核心组件，它们的正常工作对于整个雷达系统的性能至关重要，因此选这四部分作为对象层指标。
图2 机载气象雷达系统组成框图
1.3 健康状态评估指标集的选取
根据1.2 节对机载气象雷达系统组成的分析，选取雷达发射机、接收机、信号处理机和T/R 组件的健康监测特征，构建健康评估指标体系。由于机载气象雷达系统高度集成，故障表现出多样性和不确定性。在针对雷达状态进行监测的过程中，并非所有故障都能通过单一的状态参数得到。这种故障的不确定性以及故障间复杂的相互作用关系，为雷达健康状态评估带来了极大的挑战。为了更加全面、准确地评估雷达的健康状态，本文提出了一种对多个评估指标特征融合的评价方法。
相控阵体制作为机载气象雷达的核心组成部分，T/R 组件扮演着重要的角色。因此，在机载气象雷达的状态参数构建中，确保T/R 组件的健康状态能够有效评估，既能提高机载气象雷达的性能，又能保障雷达系统的可靠运行。对机载气象雷达可能遭遇的故障进行分析，在遵守客观性、灵活性、适应性、完整性和可衡量性的选取原则上，筛选出多个影响健康状态的相关参数。通过深入各系统分析，选定了机载气象雷达作为目标层指标，雷达发射机、雷达接收机、雷达信号处理机和有源相控阵雷达T/R 组件作为对象层指标，并筛选出了工作比、水平噪声系数、移相精度等16 个指标层指标。
构建的评估指标集如表1所示。
表1 机载气象雷达系统评估指标集
目标层机载气象雷达系统对象层雷达发射机雷达接收机雷达信号处理机T/R组件指标层发射机脉宽发射机平均功率电源电压工作比水平相位噪声发射通道端口驻波比水平噪声系数水平噪声电平水平噪声温度线性动态范围强度精度方位采样率仰角采样率移相精度插入损耗工作温度
2 雷达系统综合评价技术
2.1 云模型理论
李德毅教授于1995 年提出的云模型，有效地促进了定性与定量之间的转化，同时也充分展现了综合评价的随机性和模糊性。以气象预测为例，该模型通过定义3 个核心数字特征（Ex，En，He）来量化天气状况的定性评价。其中，Ex期望值可以代表预测的平均气温，En 熵则反映了气温的波动范围或不确定性，而He 超熵则进一步揭示了气温波动范围的离散程度。在实际应用中，云模型采用逆向云发生器将精确的数值（如历史气温数据）转换为云模型的参数，正向云发生器利用这些参数将云模型映射为具体的云滴，通过云图，可以直观地看到评价结果的分布情况。具体操作步骤如下所述：
1） 构建标准云
在划分论域的评价等级时，目前主要有3 种方法：
（a） 正态云的“3En规则”
该方法适用于数据量较多的情况，通过对云参数进行代数运算得到。从正态云的“3En 规则”可以看出，论域中对定性概念有贡献的定量值绝大部分（约99.74%）落在区间[ Ex - 3En,Ex + 3En ]中。
（b） 论域的边界值
针对评语中存在的单边或双边约束问题，引入云理论，通过将其转化为云模型参数的方式，有效地对指标进行评估。具体做法为运用云理论中的计算公式（1），将双边约束的注释集转化为云参数，从而实现对指标的科学评估。
其中cmin为评语取值的最小边界，cmax为评语取值的最大边界，k为常数，根据专家经验而定。
（c） 黄金分割法
这种方法是一种“主观”评估法，尤其适用于数据量较少的情况。设定0.618 作为相邻评价等级模型参数之间的比例系数，这意味着模型参数之间存在一个特定的倍数关系。此外，随着评价等级逐渐接近论域［0,1］的中心区域，其熵和超熵的值呈现出减小的趋势。为便于分析，本文将论域［0,1］划分为5 个不同的评价等级，并以论域的中心点0.500 作为中等评价等级的基准点，设定其模型参数Ex 为0.500，He 为0.005。这样的设置有助于更准确地利用云模型进行健康状态评估。
2） 计算指标云参数
依据专家对装备实际运行状况的评分结果，利用逆向云模型的方法，成功计算出各指标的评分均值与方差，并据此确定了相应的云参数。具体的计算过程参见公式（2）。
3） 计算综合云参数
综合云是通过求解的权重及各指标云参数二次计算得到的，见公式（3）。
式中，wj代表指标权重。
2.2 基于层次分析法的权重确定方法
在雷达设备的健康评估中，计算指标权重是非常重要的一环。目前主要有主观法与客观法两类权重确定方法。主观赋权法，依靠专家的丰富经验，通过专家对状态参数重要性的评估来设定权重。这种方法侧重于专家判断，能够充分反映专家的观点，主要包括层次分析法、优序图法等。而客观赋权法则依据评估指标实际的数据特征，通过统计分析和数据处理来得出权重。这种方法更侧重于数据的客观性和统计分析的结果，主要包括熵权法、CRITIC法等。
每种权重确定方法都有其独特的优点和局限性。在确定机载气象雷达系统指标权重的方法时，由于当前数据量有限，并且在实际应用中，专家的知识和经验具有不可替代的价值，因此将层次分析法用来确定指标权重。通过两两比较的方式，层次分析法充分利用专家对各指标相对重要性的经验，能够将难以量化的评价指标进行量化处理，从而得出合理的评估指标权重，具体流程如图3所示。
图3 层次分析法流程图
2.3 基于云模型的改进模糊综合评判法
将云模型与层次分析法结合，具体健康状态评估步骤如下：
Step 1： 针对评估对象构建对应因素论域U={u1,u2,…, un }。
Step 2： 构建评语论域V={v1,v2,…, vn }。
Step 3： 通过层次分析法求得各个指标权重W={w1,w2,…, wn }。
Step 4： 利用云模型理论计算各指标的云参数。
Step 5： 计算系统综合云参数。
Step 6： 为了确定装备的健康状态，利用MATLAB 软件将评语云模型和评价结果云模型进行可视化展示。通过观察生成的图形，可以准确判断评估对象的最终健康状态。
3 应用实例分析
3.1 仿真数据
由于相控阵机载气象雷达难以获得大量实测数据用于相关研究，因此通过仿真平台对有源相控阵机载气象雷达系统的发射机、接收机、雷达信号处理机和有源相控阵雷达T/R 组件等关键部件的状态参数进行模拟分析。根据生成的模拟算例，得到机载气象雷达系统各个状态参数的工作范围如表2所示。查阅雷达维修手册可知，下面生成的气象雷达模拟数据存在以下故障问题：水平通道噪声系数超出阈值范围，并且发射机内部与天馈阻抗匹配较差而导致反射能量过多，导致驻波比过高，机载气象雷达系统属于“退化”状态。
表2 机载气象雷达评估指标（模拟数据）
发射机脉宽发射机平均功率电源电压工作比水平相位噪声发射通道端口驻波比水平噪声系数水平噪声电平水平噪声温度89%8%9%11.0%0.08 1.52 3.18-80.69 284 102%15%15%16%0.3 2 3.27-78.25 333 0 0 0 0 0 0 2.43-83.35 212 μs W V无d B无dB dBm°K评估指标 模拟值 上限 下限 单位
续表
线性动态范围强度精度方位采样率仰角采样率移相精度插入损耗工作温度78 0.9 0.9 0.15 1.24 2.61 20 80 1 1 0.175 4 6 70 70 0 0 0 0 0-40 dB dB°°°d B ℃评估指标 模拟值 上限 下限 单位
3.2 指标权重的计算
依据专家的实践知识和丰富经验，对机载气象雷达的评价指标进行了逐项对比，构建的判断矩阵A如下所示：
然后根据规范列平均法，求得最大特征根λmax分别为6.589 2，4.189 4，3.053 6和3.038 5。再对上述的判断矩阵A 进行一致性检验，计算出一致性比率（CR）＜0.1，则一致性检验通过。最终确定各评估指标的权重W如下：
3.3 确定雷达健康状态
在构建标准云模型时，首先需要对雷达的健康状态进行多层次的分级界定。目前健康状态的分类等级从2 级到9 级不等［19］。机载气象雷达作为复杂系统，其性能退化过程是一个连续且包含多个中间阶段的过程，仅凭“健康”和“故障”两种状态无法全面描述其状态。与简单的单机设备不同，机载气象雷达具备更复杂的系统架构和冗余设计，这使其在部分组件出现故障时仍能通过降额运行或启用备用系统来维持关键功能［20］。因此在等级划分时，机载气象雷达需要更多的健康等级来准确反映其性能状态。结合机载气象雷达的具体工作特性与故障模式，分析了其性能退化的表现特征，最终界定了“健康”“亚健康”“退化”“恶化”和“故障”这5种健康等级［21］。机载气象雷达健康状态等级划分结果如表3所示。
表3 健康等级划分和维修决策
健康等级健康亚健康退化恶化故障健康等级描述运行状态很好运行状态良好部件存在疲劳现象，有故障迹象部分部件出现问题征兆发生故障，无法工作维修决策维持现状，无需检修持续关注，适当延长检修周期加强监测，制定维修计划优先安排修复性维修立即维修
为了定量评估健康程度，通常选取分值论域为[ xmin, xmax ]=[ 0,1 ]。在设定5 个评语的云参数时，本文采用了“黄金分割法”，提取机载气象雷达各指标仿真数据，将之标准化后结合云参数计算式得到分值论域内5 个健康状态等级所对应的云模型参数如表4所示。
表4 健康状态评语对应云模型参数
健康状态评语健康亚健康退化恶化故障分值论域［0，1］云模型参数Ex 0 0.309 0.5 0.691 1 En 0.103 0.064 0.039 0.064 0.103 He 0.013 0.008 0.005 0.008 0.013
评语云如图4所示。
图4 云模型图
邀请5 位行业专家根据相控阵机载气象雷达收发装置只有T/R 组件、抗干扰能力强的自身特点，并综合雷达维修手册和表3 的维修决策等知识，对机载气象雷达各指标进行打分。将打分情况代入公式（2），求解出各二级指标云参数。依据公式（3）计算出雷达系统综合云参数为C（Ex，En，He）=（0.45,0.035 3,0.004 8），最后借助MATLAB 软件，将评价结果云模型和评语云模型在同一图中进行显示，如图5所示。
图5 评价云图
从图5 可以直观地看出，评价结果云的位置介于“亚健康”云模型和“退化”云模型之间，但更趋近于“退化”。因此，可判断出此时的雷达系统处于“退化”状态，这与模拟算例中的实际情况一致，验证了本文所研究的云模型评估方法的有效性。由评价结果可知，雷达受水平噪声系数这一指标故障的影响较大，根据表3 的维修决策，需要机组人员加强监测，并制定出维修计划以解决问题。
3.4 与其他隶属度函数的比较
为凸显所选云模型隶属度的优势，本文引入岭形隶属度函数进行对比分析。图6展示了对应5个健康等级的岭形隶属度函数图像，通过对比可以更加清晰地看出云模型隶属度在健康状态评估中的优越性。
图6 岭形隶属度函数
根据上面的仿真数据和公式，计算得到机载气象雷达整体评估结果如表5所示。
表5 机载气象雷达健康状态评估结果
隶属度函数岭形健康0.168 7亚健康0.256 6退化0.298 4恶化0.239 7故障0.036 9
根据最大隶属度原则，可以看出机载气象雷达处于“退化”状态，但评估结果十分接近“亚健康”状态，不易区分。通过比较表5 和图5，可以发现使用云模型隶属度和岭形隶属度的评估结果相同，但这并不意味着两种方法在评估效能上等同。与云模型对比，岭形隶属度函数在以下几方面存在明显的局限性：
1） 岭形隶属度函数通过设定固定的隶属度函数曲线来求解指标隶属度，这失去模糊评判本身追求模糊的理念，难以精确描述隶属度的波动范围和不确定性。
2） 多个组件的综合评价困难。新体制机载气象雷达采用多个有源相控阵组件，每个组件都有特定的功能和性能。因此需要考虑和监测多个组件的状态，并考虑它们可能相互影响的情况。传统的模糊综合评价方法无法直接进行这种综合评价。
相比之下，采用云模型隶属度更具有以下优势：
1） 能够同时处理模糊性和随机性。在云模型中，通过引入熵和超熵的概念，能够精细地描述隶属度的波动范围和不确定性，实现了定性与定量之间的自然转换。
2） 反映多个组件间的关联关系。云模型通过云的数字特征和云发生器，能够更好地反映组件间的关联关系。它能够直观地展示评价结果，同时提供科学性的评估。
4 结束语
本文重点对新体制有源相控阵机载气象雷达的核心部件T/R 组件进行讨论，提出了一种基于云模型改进模糊综合评价法的健康状态评估方法，针对机载气象雷达系统，构建了健康评估指标体系，包括1 个目标层指标、4 个对象层指标和16 个指标层指标。经过实例分析得到的结果与模拟算例中的雷达健康状态一致，验证了云模型评估方法的有效性，并与传统的岭形隶属度函数对比，充分展示了云模型评估方法的模糊性和科学性。本文的研究为新体制机载气象雷达健康管理提供了高效的方法，在提升雷达系统性能稳定、保障飞行安全方面发挥重要的作用。
［1］ 邵威，许厚棣，金贤龙.基于模糊准则的雷达健康评估方法研究［J］.雷达科学与技术，2021，19（2）:152-155.
［2］ 高洪青.有源相控阵雷达状态监测与健康管理技术［J］.计算机测量与控制，2016，24（9）:146-148.
［3］ 吴冬寒.某型雷达健康状态评估与寿命预测方法研究［D］.西安：西安电子科技大学，2020.
［4］ LI Chenyang,CHEN Hong, ZHANG Qin,et al.Health Status Assessment of Radar Systems at Aerospace Launch Sites by Fuzzy Analytic Hierarchy Process［J］.Quality and Reliability Engineering International, 2023,39（8）:3385-3409.
［5］ YANG Yifei,ZHANG Maohui,DAI Yuewei.A Fuzzy Comprehensive CS-SVR Model-Based Health Status Evaluation of Radar［J］.PloS one, 2019,14（3）:e0213833.
［6］ 吕克洪，程先哲，李华康，等.电子设备故障预测与健康管理技术发展新动态［J］.航空学报，2019，40（11）:023285.
［7］ 李国发，王彦博，何佳龙，等.机电装备健康状态评估研究进展及发展趋势［J］.吉林大学学报（工学版），2022，52（2）:267-279.
［8］ 俞朝春.某型雷达发射机故障预测与健康管理关键技术研究［D］.镇江：江苏科技大学，2022.
［9］ 黄晶.某雷达伺服系统的故障诊断和预测系统［D］.镇江：江苏科技大学，2021.
［10］ 洪畅，翟栋梁，丁志辉，等.一种舰载雷达健康管理系统设计方法及实现［J］.雷达与对抗，2023，43（2）:11-14.
［11］ 赵梓芬.绝缘机器人健康状态评估方法研究［D］.西安：西安工业大学，2023.
［12］ 赵子仪.航空发动机燃油分配器健康状态评估及寿命预测研究［D］.沈阳：沈阳工业大学，2023.
［13］ 李学民，张永福.某雷达装备健康管理系统设计研究［J］.电子制作，2023，31（6）:70-73.
［14］ ZHAO Yunsheng, LI Pengfei, WANG Tao, et al.Equipment Health Assessment Based on AHP-CRITIC Dynamic Weight［C］//2022 41st Chinese Control Conference,Hefei, China: IEEE, 2022:5841-5846.
［15］ HUO Lin, FEI Simiao, LV Chuan, et al.A Novel Methodology Based on Hidden Semi-Markov Model for Equipment Health Assessment［J］.Vibroengineering Procedia,2014, 4:271-276.
［16］ 王惠悦.基于LSTM 的卫星姿态控制系统健康状态预测研究［D］.北京：北京交通大学，2022.
［17］ 周永林.基于模糊综合评判的可信度评估模型及方法研究［D］.成都：电子科技大学，2017.
［18］ 曲若彤.基于贝叶斯网络和云模型的卫星ACS健康状态评估［D］.南京：南京航空航天大学，2019.
［19］ 许开立，陈宝智.安全等级特征量及其计算方法［J］.中国安全科学学报，1999（6）：10-16.
［20］ 曾盛富，梁浩全，王岩，等.基于改进的组合赋权和云模型的平流层飞艇健康状态评估［J］.北京航空航天大学学报，2024.［2024-10-14］.https://doi.org/10.13700/j.bh.1001-5965.2023.0713.
［21］ 章涛，王灿，刘孜雯，等.基于云模型的新体制机载气象雷达健康状态评估方法：中国，CN202311791297.3［P］.2024-03-26.