下载掌阅APP，畅读海量书库
立即打开
上述BITE设计现状、测试诊断思想和测试设备构建模式不利于装备故障的快速隔离定位，与未来状态维修、预测性维修的装备保障趋势不匹配，测试诊断思想与技术急需升级换代。信息系统装备PHM（Prognostics and Health Management）技术和数字可重构技术对解决上述问题具有重要意义。
PHM技术就是借助状态监控系统，依托各种算法和模型，评估装备技术状态，对可能发生的故障进行预测，指出故障发展趋势及后果，通过维修决策提出维修保障方案。PHM技术是状态监控、BIT（机内测试）及测试诊断技术的扩展，这种扩展主要体现在故障预测、健康管理等方面。故障预测是比故障诊断更为高级的维修保障形式，是以当前装备的技术状态为依据，结合其各类特性、参数、环境参数等历史数据，对未来可能出现的故障进行预报、分析和判断；而健康管理更是超出了状态监控的范畴，系统不仅可监控状态，还可应用预测结果与决策系统提出保障实施方案。
目前PHM技术主要应用在飞机、航天等高可靠性需求的领域，虽然也有其在雷达、通信等电子装备上应用的研究，但所有相关成果仅仅停留在概念、框架的层次，在信息系统装备的PHM系统设计方面，还没有成体系的研究和相关成果。随着指挥信息系统地位日益重要，未来作战模式的轻型、快速、精确保障需求逐渐凸显，另外信息技术的发展，使得各类新型传感器、高性能处理器越来越小型、集成、高效、可靠，上述需求与条件下，构建针对信息系统装备的PHM系统，或成为解决复杂电子信息装备保障问题的“金钥匙”，值得深入研究。
在PHM系统的设计、开发和使用过程中，涉及的主要关键技术有结构设计技术、传感器应用技术、数据处理技术、健康状态评估技术、故障预测技术和基于状态的维修决策技术等。核心环节包括以下几个方面：
3.1.1特征参数选取
故障模式与规律的研究是PHM系统状态监测特征、参数选择的依据，而采集数据的分析处理又是故障模式与规律研究的重要手段，所以装备故障模式与规律研究须贯穿PHM系统设计、开发、验证与使用全过程。反应信息系统装备系统、单元车、单体设备、电路板技术状态的特征参数多种多样，在特征参数选择中须遵循可测性、典型性、集中性、针对性、敏感性、可靠性原则，按照信息层、信号层、环境特征层等分类，选择特征参数。信息层需完成网络层数据与协议分析，各种群路口、用户口等专用、通用接口链路层数据分析等；信号层需完成电压、电流、功率、频率、频谱特性等物理量的采集分析。环境特征层需监控温度、湿度、气味、振动、噪声等。一般来讲，信息层特征与故障模式对应关系比较明确，其难点在于多种通信协议解析与时间同步；信号层电压、电流等数据与故障模式建立精确的模型，需要研究模糊理论等理论、方法，探寻对应关系。另外，环境特征层则可能对某类故障反应明显，而对其他故障无显性特征。总之，综合运用多种特征参量，实现装备状态评估与故障预测是可行的。
传感器是PHM系统最重要、最基本的信息获取手段，需根据具体的监测对象、测量目的以及测量环境合理选择传感器，同时需进行监测点、传感器最优配置方法的研究，以期获得配置成本、可诊断预测要求与系统可靠性之间的最佳平衡。涉及的理论方法包括有效独立法、符号定向图法、粒子群算法等。
3.1.2 PHM系统数据处理技术
PHM系统的数据处理一般包括数据预处理、数据分析与挖掘、特征提取等环节。PHM系统中，用于装备状态监测的传感器在复杂现场条件下工作，易受到电磁干扰和环境条件影响，同时同步偏差、传输错误等也会造成数据失真，在改进测量手段的同时需要研究缺失数据处理技术、异常数据剔除技术等数据预处理方法；数据预处理后，还需要进一步对数据进行分析，找出数据的变化规律和异常，为健康评估、故障预测模型的建立打基础，主要包括数据描述性分析技术、动态分析技术、相关分析技术、回归分析技术和数据平滑技术等；为了从大量的、有噪声的、不完全的、模糊的数据中，提取隐含在其中的有价值知识，需要研究数据挖掘技术，主要算法有人工神经网络、遗传算法等；为使得采集数据能更明显地表征装备技术状态，一般需要将数据从测量空间转换到特征空间，提取出与装备状态相关性强的特征向量，常用的方法有离散傅里叶变换、离散小波变换等。PHM数据处理技术是系统的核心环节，我们主要是针对信息系统装备各类采集数据特征和其综合效应，探索、研究、应用科学的理论方法，解决故障预测问题。
3.1.3装备健康状态评估与故障预测
装备健康状态评估预测就是依托监控数据，针对信息系统装备的特点，选取合适的评估方法展开评估预测，常用的健康评估预测方法有模型法、层次分析法、模糊评判法、人工神经网络法和贝叶斯网络法等。
资源可重构，就是在电子系统的工作状态下，动态的改变电路的结构，主要通过对系统中的可编程器件进行重配置或部分重配置来实现。在可重构系统中，硬件信息也可以像软件程序一样被动态调用。可重构系统把硬件软件化，使硬件可以像软件那样被使用。能够弥补设备软件实现带来的性能损失，同时提高硬件设备的通用性、可扩展性。随着大规模的可编程器件FPGA的出现，实时电路重构的思想逐渐引起了学术界的注意，成为了研究热点。
可重构技术的应用决不仅仅是一种新型功能电路的应用，其涉及数字系统设计方法、设计思想的变革，可以使数字系统单片化的设计从追求逻辑大规模、高集成度转向追求资源的利用率；从专用的固定功能逻辑系统转向功能可自适应进化的逻辑系统。
利用资源可重构技术设计检测维修设备工具可解决信息系统装备信号繁多、更新换代快造成的保障难题，是很有前景的研究方向。严格来讲，系统重构的概念可分为静态系统重构和动态系统重构。
3.2.1基于静态系统重构技术的系统
静态系统重构是指目标系统的逻辑功能静态重载，即FPGA芯片功能在外部逻辑的控制下，通过存贮于存贮器中不同的目标系统数据重新下载，而实现芯片逻辑功能的改变。也就是指系统中硬件逻辑的静态重载，在系统空闲期间通过各种方式进行在线编程、功能重构，而不是在其他部分动态运行时重载。对于检测维修设备工具而言，可以实现设备工具功能的静态重构，但是每次重构仅仅针对一种设备进行测试诊断，需要检测人员在上位机系统中进行控制实现。
3.2.2基于动态系统重构技术的系统
动态系统重构是指对于时序变化的数字逻辑系统，其时序逻辑的发生，不是通过调用芯片内不同区域、不同逻辑资源来组合而成的，而是通过对其有专门缓存逻辑资源的FPGA，进行局部的和全局的芯片逻辑的动态重构而快速实现。也就是指在系统实时运行当中对FPGA的逻辑功能实时地进行动态配置，能够只对其内部需要修改的逻辑单元进行重新配置，而不影响没有被修改的逻辑单元的正常工作。动态可重构技术关键在于硬件即FPGA本身，在一定的控制逻辑的驱动下，不仅能实现系统重新配置电路功能，同时还能对芯片逻辑功能实现系统的高速动态变换。即用FPGA作为处理元素，用固定的硬件实现多种多样的可编程解法。
动态重构FPGA系统的设计流程与静态重构FPGA不同，在逻辑设计阶段针对同一个器件设计多个功能电路，这些电路的配置文件都预先生成好，存储在存储器件中，称为重构件。根据电路的调用顺序来定义重构状态图。在系统运行过程中，根据重构状态图，结合系统的当前状态，将相应的重构件配置到FPGA中，实现某一时刻所需的硬件功能。重构件可以是某个特定的功能电路，比如HDSL接口、K接口、FFT功能模块等等，也可以仅仅是完成输入、输出间的某种特定连接。
在动态可重构过程中，采用什么样的方法进行资源重构，也就是如何动态调配重构件形成特定的功能，是需要深入研究的，这里介绍两类方法。
1）基于局部评估的动态重构方法
局部评估提供了一种能减少所用资源的方法论，它是一种在函数编程语言中最通常运用到的优化技术，其基本原理是：在整个函数的定义过程中使用函数调用这个已知的论点，产生一种新的特殊化函数。
局部评估是一种动态分析方法，因为动态的综合电路是在运行时间里决定，而且精确的电路结构依赖于动态输入的数据。也就是说，局部评估需要一个运行系统，这个系统能确切地将一个目录网移入FPGA中。这个运行系统可以代表性地运行在一个标准微处理器上（许多FPGA可以集成微处理器硬核），它可以通过系统总线和FPGA进行连通。运行系统决定什么时候执行一个局部评估，产生一个新的目录网。新的目录网和先前的目录网的区别在于计算和那些计算的单元需要重构是能被识别的。如果执行程序的数目很大时，它在准备动态计算目录网花费的时间将大大被缩短。局部评估的优点是执行速度更快，空间利用更好。这种技术主要针对特定种类运行程序的小型、高速的电路。
2）基于遗传算法的动态重构方法
将遗传算法与可编程逻辑器件FPGA结合，用算法控制改变芯片结构，使其形成各式各样的逻辑电路，来实现遗传演化中的各类操作，是一个很有前途的领域。随着FPGA芯片的发展，大群体规模的并行演化模式均可得以实现。
遗传算法以一种群体中的所有个体为对象，并利用随机化技术指导对一个被编码的参数空间进行高效搜索。其中，选择、交叉、变异构成了遗传算法的遗传操作；参数编码、初始群体的设定、适应度函数的设计、遗传操作设计、控制参数设定五个要素组成了遗传算法的核心内容。在一定条件的约束下，将带有遗传算法的搜索定向图表的方法用于FPGA电路在运行重构系统时的重构件调配和结构优化。可以说，遗传算法提供了复杂空间的鲁棒性搜索。系统功能越复杂，目标越不明确，遗传算法的优越性越大。
通过资源重构技术的突破，可形成信息化装备下一代保障设备的研发优势，达到构建集小型化、通用化、智能化、信息化与野战化等特征于一体的完备的保障设备体系的目的。