PHM模型的工程化验证方法研究

模型验证技术在故障预测与健康管理(PHM)系统研制中受到高度重视,特别是如何将验证方法在具体的工程应用中体现规范性、系统性、通用性和实用性,已成为亟待解决的技术问题;在分析国内外相关研究现状的基础上,对PHM模型验证方法进行了系统深入的研究,阐述了故障数据获取方法和故障诊断和预测性能指标体系,并以机载诊断模型为例,对PHM模型验证流程作了详细介绍;最后,将此方法应用到了PHM验证平台的设计、开发和具体实现中,充分体现了PHM模型验证方法的工程化特点。     

基于PHM的电力中间件故障预警技术研究

提出一种面向中间件的故障预测与健康管理模型,将当前电力信息系统中中间件的运维工作,从传统的事后排查转变为故障预判和智能预警。依据故障预测与健康管理(PHM)技术,以灰色-马尔科夫为核心预测算法,结合时间切片管理和动态置信阈值技术,设计并实现了面向中间件业务的故障监控和预警系统。以湖北省电力公司构建的智能化运维管理平台上的应用为实例,实践证明了该方案的可行性和有效性。     

PHM技术国内外发展情况综述

随着现代武器装备复杂化、综合化、智能化程度的不断提高,传统的故障诊断技术难以适应新的需求。为了满足信息化战争对武器装备作战效能和快捷、精准、持续保障的要求,20世纪90年代中期,PHM(故障预测与健康管理)技术应运而生。从发展概况、应用成效、PHM验证评价、典型案例分析以及发展规划5个方面总结了国外PHM技术发展的应用成效;并对国内PHM技术的基础理论、工程技术与应用方面的发展状况进行了总结;通过对比国内外PHM技术的发展应用现状,总结分析了目前国内PHM技术发展现状与国外先进水平之间的差距以及未来发展的借鉴启示。     

基于案例和规则融合的民用客机故障诊断系统设计

目前很多工程应用中的飞机故障诊断方法,只考虑单一的基于案例或基于规则的诊断方法,故障诊断的效率有待提高。本文针对民用客机地面运营支持系统的特点和要求,将案例和规则融合的推理机制引入到飞机故障诊断系统的设计中。该方法采用规则推理为前导、案例推理后置补充的结合方式,最大化地利用飞机故障隔离手册知识和从维修记录中提取的案例知识,从而提高首次故障隔离效率、降低无效排故时间。以民用客机某系统的典型故障为例,阐述了该推理机制在故障诊断中的应用。通过历史飞行数据试验,验证了提出的基于案例与规则融合诊断方法的有效性,以此为基础设计的故障诊断方案可为航空公司构建更完善的专家系统提供参考。     

数据驱动视角下飞机故障预测与健康管理系统设计及验证

由于故障预测与健康管理系统（PHM）是涉及多层次、多领域、耦合度高的复杂系统,很难从整体对PHM系统进行设计和验证,所以始终没有成熟的工具和方法。从数据驱动的视角,研究了飞机PHM系统设计及验证。以数据为主线,采用了四种方法实现PHM系统设计及验证：1）采用系统建模语言（SysML）进行PHM系统的架构设计;2）采用基于事件的方法将被观测系统的行为状态化,实现PHM系统中资源的充分利用,降低局部的资源压力;3）采用基于模型的推理方法,实现了系统状态模型的应用;4）采用多线程、异构能量耦合等方法定义了一个PHM仿真框架,并在该框架指导下开发了一个仿真环境,并针对机载配电系统设置了几种测试用例进行诊断推理,对提到的各种方法进行了验证。研究结果表明,上述方法是合理有效的,可以构建描述完整、资源均衡的PHM系统架构。     

基于对数变换的六相永磁容错电机故障预测研究

研究电力作动系统用永磁容错电机故障预测问题,有利于准确监控飞行器健康状态,为飞机维修提供决策支持;TS(2*2永磁容错电机特征信号复杂无序,传统灰色模型故障预测精度不高,基于此,提出一种新的故障预测改进方法;TS(2*2首先对原始故障能量特征序列进行对数变换处理,对序列进行一次累加生成,建立GM(1,1)灰色模型,最后将得到的拟合还原成模拟值,得到预测数据;TS(2*2结果表明,故障原始序列经过对数函数变换处理后,预测误差相比于未经处理的基本灰色模型降低了4.63%,预测精度提高到96.5%以上,有效提高了永磁容错电机的故障预测精度。     

美军F-35战斗机PHM体系结构分析

为借鉴国外状态预测与健康管理(PHM)技术的发展经验,促进大型平台实现从状态监控向健康管理过渡,本文回顾了美军PHM技术的发展概况,分析了F-35战斗机PHM的体系结构组成以及各模块的主要功能,总结了F-35战斗机PHM的工作流程,介绍了F-35战斗机PHM系统的发展现状及存在的主要问题,提出了对发展PHM技术的认识,为从事PHM技术工作者提供了参考。     

基于信息融合的模拟电路故障的特征提取与融合方法

在模拟电路故障诊断中,故障特征的提取是一个非常重要的环节,其提取结果的好坏将直接影响最终的诊断正确率。对现有文献研究发现,每种特征提取方法单独使用时都有一定的局限性,为了能够更加充分的提取模拟电路故障特征,提出了小波包分析与主元分析并行应用的方法,并将两种方法提取的特征向量依据不同规则进行了三种类型的融合,方便对比实验。为获取最优小波特征,提出了特征偏离度,并以此为标准选择最优小波基。最后,通过设计一种改进的神经网络分类器模型,将融合后的三种特征向量送入其中进行仿真验证,得出最终诊断结果。结果表明,该方法能够有效克服单一特征提取方法提取不充分的缺点,提高故障诊断的正确率,并且融合因子 适中时诊断正确率最高。     

基于灰色预测和KID离群点检测的AUV故障诊断

提高故障诊断能力对于确保水下机器人AUV系统的稳定运行具有重要意义。针对水下机器人推进器系统,提出一种基于离群点检测的AUV故障检测方法。首先,将传感器采集的数据进行灰色预测处理;然后,提出了一种结合K-mean和DBSCAN的改进迭代聚类(Iterative K-mean DBSCAN,IKD)算法进行离群点检测;最后,与K-mean和DBSCAN算法相比,仿真实验结果表明基于灰色预测和KID离群点检测算法的故障检测准确率高,能够有效地实现水下机器人AUV的无监督故障诊断。     

基于相空间重构的PHM数据处理算法研究

采集数据的非线性特性极大地限制了故障预测与健康管理技术(PHM)在飞机自主保障能力中的应用,提出了一种基于相空间重构的数据处理方法;首先,对PHM技术进行了系统研究,并对数据处理进行了分析;然后,根据数据处理的特点,分别采用自相关法、复自相关法、FNN法和C-C法计算相关的延迟时间及嵌入维数;最后,通过仿真对比分析以上几种方法得到的延迟时间与嵌入维数;结果表明作为一种联合计算延迟时间和嵌入维数的数据处理方法,C-C法可以同时计算延迟时间τ为3和嵌入维数m为6。     

基于可靠性模型及数据融合的冷却风扇健康管理算法

针对目前工业领域对冷却风扇的故障预测与健康管理的需求,提出了基于可靠性模型及信息融合的冷却风扇健康管理算法;文中对风扇的主要性能参数进行辨识,包括转速、电流、上升时间、下降时间、温度以及适度,结合风扇故障模型,将冷却风扇健康管理算法分为环境、机械及电子3个模块;利用可靠性模型及信息融合,对风扇状态进行评估以及预测,进而对风扇的剩余寿命及故障进行预测。     

基于HMM-SVM的模拟电路早期故障诊断

针对模拟电路在故障预测与健康管理（PHM）系统中早期故障识别率不高的问题,提出了一种基于隐马尔科夫模型（HMM）和支持向量机（SVM）相结合的模拟电路故障诊断方法,利用HMM对动态连续信号的较强识别能力和SVM良好的模式分类能力解决模拟电路早期故障诊断问题。采用主成分分析（PCA）和K-means聚类算法对故障数据进行数据降维和特征提取,建立HMM与 SVM相结合的诊断模型进行故障诊断。仿真实验表明,HMM-SVM能很好地识别模拟电路早期故障,并对模拟电路中元件小范围参数变化的状态识别,相较单一HMM模型具有更高的准确率。     

多光谱数据融合和GANs算法的COD浓度预测

水体中过高浓度的有机污染物含量危害巨大,不仅会造成严重的环境污染,而且会危害人类身体健康。化学需氧量(COD)表征了水体中有机污染物的污染程度。提出了一种将紫外(UV)光谱和近红外(NIR)光谱进行多光谱数据级融合(LLDF)和特征级融合(MLDF),进而构建基于生成对抗式网络(GANs)算法的COD浓度定量预测模型。首先按照一定的浓度梯度配制COD标准液样本,分别采集标准液的UV光谱(190～310 nm)和NIR光谱(830～2 100 nm),对获取到的UV和NIR光谱数据进行一阶导数和Savitzky-Golay (S-G)平滑的预处理,消除基线漂移和干扰噪声;基于预处理过的光谱,直接进行数据级和特征级的数据融合,结合GANs算法搭建COD浓度预测模型。并使用评价参数相关系数的平方(R2)、预测值与真实浓度值的均方根误差(RMSEP)和预测偏差来对模型进行评价。结果表明,不论是特征级融合模型还是数据级融合模型都不够理想。分析原因可知,由于UV和NIR波段数据量不均衡,导致NIR波段掩盖掉了UV光谱的模型贡献度,让光谱融合失去意义。为了避免融合失败,拟采用归一化的方法处理多光谱数据,并讨论了标准归一化(SNV)、最大最小归一化(MMN)和矢量归一化(VN)对建模的影响。将经过归一化后的UV和NIR光谱数据再次进行融合,分别作为GANs模型的输入X,将真实测量COD值作为输出值Y,建立不同归一化方法处理后的COD浓度预测模型。建模结果显示,采用不同归一化方法对多光谱数据融合模型的影响较大,不论是数据级融合模型还是特征级融合模型的预测精度较未归一化之前有明显的提升,其中采用最大最小归一化的预测模型效果提升最为明显。与单一谱源的全波长UV波段的GANs预测模型、全波长NIR波段的GANs预测模型进行对比来验证多光谱数据融合GANs预测模型的精度,结果表明：基于UV和NIR光谱的特征级光谱融合模型的R2为0.994 7,RMSEP为0.976,比数据级融合的预测模型误差降低了52.9%,预测回收率为98.4%~103.1%,远好于其他几组,模型的泛化能力更强,预测精度也更高。与单一谱源的预测模型相比,多光谱数据融合能反应更多的水体样品的化学信息,更加全面揭示水体的污染物程度,从不同的层面上反应水体中污染物的差异,为在线监测水体中COD浓度提供一定的技术支持。     

基于极限学习机与规则推理的NPC三电平逆变器二级故障诊断方法

针对NPC三电平逆变器故障诊断问题,提出一种基于极限学习机与规则推理的二级故障诊断方法。分析了依据输出电流诊断故障的可区分性,以及故障模式的分类。然后对输出电流提取故障特征,并采用极限学习机完成故障初级分类。对于初级分类结果为电流不可区分故障情况,再根据桥臂电压信息运用规则推理法实现故障二级精确诊断。诊断实验表明,该方法能够实现NPC三电平的多模式故障诊断,且故障诊断方法简单、定位精确、快速、鲁棒性强。     

基于高光谱图像信息融合的红提糖度无损检测

红提糖度是重要的内部品质衡量指标,传统的检测方法均为破坏性生化检测,本文基于高光谱成像技术,提出了一种基于高光谱信息融合的红提糖度含量无损检测方法。采集并提取260个红提样本的光谱信息和图像信息,对光谱信息分别利用SNV、S-G等光谱预处理方法建立PLSR模型,确定最好的光谱预处理方法,分别采用一次降维(GA、CARS、IRIV)算法和组合降维算法(CARS-SPA、IRIV-SPA、GA-SPA)共六种降维方法对光谱信息进行特征变量提取;获取灰度共生矩阵的图像纹理信息,结合图像的颜色信息(R、G、B、H、S、V、L、a、b),组成19个图像特征参数,采用PCA算法对图像信息进行降维,分别建立基于降维处理后的光谱信息、图像信息以及两者融合的红提糖度线性预测模型PLSR、非线性预测模型LSSVM,并对比分析模型的优劣。结果表明,若只利用光谱信息建模,IRIV-SPA可有效地提取红提糖度光谱信息的特征波长,提高模型的预测性能;若只利用图像信息进行建模,模型的预测性能不好,PCA降维有效地提高了模型的预测性能,但提高的性能有限;将IRIV-SPA特征波段提取后的光谱和经PCA降维后的图像信息进行融合,分别建立PLSR和LSSVM模型,红提糖度的最优PLSR模型的校正集和预测集相关系数分别为0.943,0.941;红提糖度的最优LSSVM模型的校正集和预测集相关系数分别为0.954,0.952。LSSVM所建模型的效果好于PLSR所建模型,但模型的运算时间较长。两种模型的精度均比单方面基于光谱或图像信息的模型都有较大的提高,表明融合高光谱图像的光谱与图像信息不仅可以提高模型的运算速度、简化模型,同时有效地提高了红提糖度预测性能,为红提糖度的检测找到了一种新的方法。     

基于数据融合的风电机组噪声预测

根据风电机组噪声信号检测复杂的情况,研究风电机组非声学参数的信息熵特征,对机组噪声进行多源数据融合预测。分析基于信息熵的非声学参数的特征提取方法,并对传统的基于遗传算法的支持向量机回归(GA-SVR)的缺陷提出改进,结合实际应用的非声学参数的信息熵特点平衡遗传算法(GA)的终止条件。通过统计分析完成了输入变量的筛选,去除了对预测影响较大的共线性因素,并实现了输入降维提高预测精度和速率。最后应用数据的信息熵特征,训练改进的GA-SVR建立最终的多源数据特征级融合预测模型。通过对比表明基于多源数据融合的预测方法精度最高,预测结果的相对误差平均值为0.7757%,具有实际可行性。     

无人机PHM系统体系结构设计研究

针对状态预测与健康管理(PHM)技术在无人机领域的应用需求,本文参考国内外PHM技术研究成果和应用经验,结合我国无人机保障现状,分析了无人机PHM系统的功能需求,研究设计了无人机PHM系统的体系结构,并详细介绍了该系统的工作流程,为无人机综合保障水平的提高提供了有益指导和参考。     

基于改进的自适应回归时序模型故障诊断

汽车变速箱的故障诊断工作比较复杂,由于传统的诊断方法已不能满足复杂的故障现象, 文中提出了一种基于改进的自适应回归时序模型故障诊断方法;方法采用了基于时间序列故障诊断技术,首先测取工作环境下的振动信号,然后建立被诊断对象的时间序列数学模型,最后用信息距离判别法诊断出故障类型,提高了诊断效率;最后在变速箱进行了实验研究;选用型号为621B40型ICP加速度传感器测取变速箱的振动信号,通过设置模型参数(n,m)来模拟故障检测,实验分析表明,提出的算法可以有效地识别变速箱系统中不同严重程度的故障,且与传统的故障诊断算法相比,提出的算法对提高识别率和降低计算复杂度都有着明显的优势。     

基于灰色模型和SVD估计AR(p)参数的物联网数据传输控制

为了进一步提高基于物联网的监控系统的可靠性和延长其网络生命周期,设计了一种基于灰色模型GM(1,1)和自回归AR(p)的对物联网监测区域中的数据传输进行控制的有效方法。首先,定义了基于GM(1,1)和自回归AR(p)的预测混合模型并对其运行原理进行了描述,然后,提出了采用最小二乘法对GM(1,1)的参数进行估计以获得预测模型,以总体最小二乘为评价准则,设计了基于奇异值分解SVD的AR(p)参数估计方法,最后将两种预测模型获得的结果进行加权融合作为最终的预测值。仿真实验表明,文中设计的基于GM(1,1)和自回归AR(p)模型的预测方法能较为精确地传感器节点在未来时刻采集的数据进行预测,同时由于节点预测的精确性,避免了其与基站之间的冗余数据传输,延长了网络生命周期,具有很强的可行性。     

光谱油样分析监测技术中的神经网络预测方法

光谱油样分析是机械磨损状态监测与故障诊断的重要技术,基于光谱数据的机械状态预测有利于发现机械系统的早期磨损故障。由于神经网络对于非线性模型的辨识和非平稳信号的预测,与传统预测模型相比具有明显的优势,文章将神经网络预测方法运用于光谱分析,提出了基于神经网络预测的光谱分析监测技术。在预测模型中采用了三层BP网络模型,针对神经网络的结构对于信号预测或模型辨识的精度具有影响很大的问题,文章利用遗传算法,对神经网络输入节点数、隐层节点数和网络收敛的均方误差(MSE)目标值进行了优化,得到了最优的网络预测模型。最后,对某发动机实际的光谱分析数据进行了预测和分析,并与传统ARMA模型的预测结果进行了比较,结果充分表明了本方法的有效性和优越性。