随着气候的多样变化和极端天气的频繁出现,农业领域对气象雷达的依赖越来越严重。气象雷达一般建立在人烟稀少的露天场所,各种天气对其损坏以及零配件的自然老化都影响着气象雷达的性能及正常业务的进行。目前,一般采取周期性的“定时维修”和出现故障后的“事后维修”等方式,此类策略浪费人力、财力,可靠性差。因此,有必要对气象雷达的故障诊断和健康管理进行研究,实现维修策略由“事后维修”、“定时维修”向预防性维修的转变,以提高维修效率,保证气象雷达运行能力。本文主要研究的具体工作包括:第一,根据气象雷达系统的组成以及工作原理,结合气象雷达故障历史数据,分析气象雷达的故障类型、故障时间、各类故障占比情况等,为后续的故障诊断提供支撑。同时梳理故障诊断与健康管理的理论知识,设计了针对气象雷达的开放式健康管理系统体系结构。第二,深入研究气象雷达伺服电机的故障诊断技术,利用四种方法,层层递进实现伺服电机故障的精确诊断,首先,在时域上人工提取信号特征,并把特征送入常规神经网络进行故障诊断;接着,采用对时间序列具有优良处理能力的LSTM长短时记忆网络来完成故障诊断;然后,结合人工提取的特征具有时间依赖性的特点,将其送入到LSTM网络,实现故障诊断;最后,利用Conv1D卷积神经网络对信号进行特征的自动提取,结合LSTM网络,提出Conv1D_LSTM深度神经网络方法来进行故障诊断,该方法能同时兼具特征自动提取与时间依赖的特点。实验结果表明,Conv1D_LSTM深度神经网络方法明显优于其它方法,能够很好地解决本项目中气象雷达伺服电机故障诊断问题。第三,气象雷达健康管理系统的设计和实现。针对全国范围内气象雷达实时数据采集时存在的各种问题,设计了数据采集、数据存储、数据挖掘与分析、数据可视化的四层气象雷达健康管理系统,针对每一层包含的功能和特性,进行了详细的技术需求分析,最终在数据采集层采用Kafka技术、数据存储层采用HDFS和Redis技术、数据挖掘与分析采用Spark实时计算框架、数据可视化层采用Django Web框架。在完成软件架构设计和技术选型后,搭建了测试系统,实现了模拟数据产生、实时数据接收、模型训练、模型诊断和数据展示等模块。