基于CPS的PHM设计方法技术

公开一种基于CPS的PHM系统，包括感控单元、网络单元和决策单元。还公开一种基于CPS的PHM方法，包括感控单元布局优化、网络单元路由优化、执行单元策略优化三个步骤。本发明专利技术利用CPS技术对物理组件和信息技术高兼容性和深度融合的特点，构建基于CPS架构的PHM系统，能够大大简化PHM结构，提高其通用性。本发明专利技术将CPS技术与PHM技术相结合，能够实现PHM技术与边缘计算、大数据处理等前沿方法更好的结合，以提高PHM的快速性、实时性、准确性。

【技术实现步骤摘要】
基于CPS的PHM设计方法
本专利技术涉及面向PHM的设计方法，具体涉及一种基于CPS的PHM设计方法。
技术介绍
PHM系统标准是PHM平台设计与实现的重要依据，典型标准有国际标准化组织的机器状态监测与诊断(ConditionMonitoring&Diagnostics，CM&D)标准、机械信息管理开放标准联盟的开放式视情维修体系结构(OpenSystemArchitectureforCondition-BasedMaintenance，OSA-CBM)标准和国际电子电气工程师协会的Std-1856系列标准，下面对其进行简要概述。1.CM&D系列标准ISO13374-1给出CM&D标准的信息流结构，如图1所示，其中将PHM系统划分为7个处理模块，分别为传感器/转换器/人工输入、数据采集(DA)、数据操作(DM)、状态检测(SD)、健康评估(HA)、预兆评估(PA)和提出建议(AG)。标准中对各模块的功能进行了阐述，并给出了模块间的通信方法和表达形式。2.OSA-CBM标准OSA-本文档来自技高网...

【技术保护点】
1.基于CPS的PHM系统，其特征在于，包括感控单元、网络单元和决策单元；其中/n感控单元负责对底层的单元模块进行感知，获取相关数据，进行一定的处理后通过通信模块向上传输，同时接收上层传回的控制指令对感控单元进行一定的控制调整；/n网络单元根据任务的实际需求，利用网络通信技术将下层的各个分系统、组件联系起来，并与决策单元进行通信；/n决策单元基于感控单元传回的数据，对系统的健康状态进行评估，预测系统可能出现的故障或性能降级，结合系统资源得出决策信息，最后通过网络将决策信息传输到感控层相应的执行单元，从而构成一个完整的闭环结构；/n其中/n(1)感控单元/n感控单元包括智能传感器、执行模块和通信...

【技术特征摘要】
1.基于CPS的PHM系统，其特征在于，包括感控单元、网络单元和决策单元；其中
感控单元负责对底层的单元模块进行感知，获取相关数据，进行一定的处理后通过通信模块向上传输，同时接收上层传回的控制指令对感控单元进行一定的控制调整；
网络单元根据任务的实际需求，利用网络通信技术将下层的各个分系统、组件联系起来，并与决策单元进行通信；
决策单元基于感控单元传回的数据，对系统的健康状态进行评估，预测系统可能出现的故障或性能降级，结合系统资源得出决策信息，最后通过网络将决策信息传输到感控层相应的执行单元，从而构成一个完整的闭环结构；
其中
(1)感控单元
感控单元包括智能传感器、执行模块和通信模块；
智能传感器获取直接或间接影响系统性能的全部特征参数；执行模块通过节点自带的微处理器和相关数据处理算法对智能传感器输出的特征参数进行数据预处理和状态预诊断，在线快速进行初步的滤波，去噪，A/D转换，简单故障阈值的判断，并将处理结果传输至通信模块；通信模块实现智能传感器的信息控制指令交互，将传感单元信息发送至网络单元，并接收网络单元下传的控制信号；
(2)网络单元
网络单元是连接感控层和决策层的桥梁，传输感控单元上传的传感器信号以及决策单元下传的控制指令信号，并根据网络传输的具体需求进行组网；
(3)决策单元
决策单元包括数据库、多维信息评估、任务管理系统、人机接口；网络单元传输至数据库后，由数据库进行统一的数据管理；多维信息评估系统通过调用数据库中的传感器采集数据进行深度处理和智能判断，将诊断结果上传至任务管理系统；任务管理系统基于多维信息评估系统得出的诊断结果，结合任务规划的实际需求，给出传感器采集策略调整的指令，通过网络单元下传至感控单元；同时利用人机接口，为用户提供系统状态信息和维修决策建议，使用户能够在不了解感控层和网络层具体组成和结构的情况下，与PHM系统进行交互。


2.基于CPS的PHM方法，其特征在于，包括感控单元布局优化、网络单元路由优化、执行单元策略优化三个步骤；具体如下：
1)感控单元布局优化流程
在测试点集合T中寻找一个最优的测试点集合TS＝{t1，t2…tn}，其中t1，t2…tn分别为测试集合中的各个测试点，n为测试点个数；将测试点优化选择转化为带约束条件的单目标最优化问题，如下所示；
minJ＝Ts·CT(1)



其中，J表示优化目标函数，C＝[c1，c2…cn]表示各测试点c1，c2…cn对应的测试费用，rFD、rFI分别表示故障检测率和故障隔离率，分别表示给定的故障检测率和故障隔离率阈值，T表示转置；
采用基于模拟退火的粒子群优化算法改进策略SA-PSO对测试点进行优化；
Step1：初始化粒子群的粒子数、学习因子c1和c2、惯性权重ω，n表示测试点个数，n对应于算法中每个粒子的维度大小，然后随机初始化粒子群个体的位置xi(t)和速度vi(t)；
xi(t)＝(xi1，xi2，...xin)(3)
vi(t)＝(vi1，vi2，...vin)(4)
其中，i＝1，2，…，N表示粒子群个体编号，N表示粒子群中粒子个数，粒子在各个维度上的位置信息表示为xij，xij取值为0或1，当xij＝1表示第i个粒子选择了测试点tj，当xij＝0表示第i个粒子没有选择测试点tj；vi1，vi2...vid为粒子速度在各个维度上的分量；
Step2：初始化各粒子个体最优值pbest和粒子群最优值gbest；
Step3：确定初始温度T0＝f(gbest)/ln5其中，f(·)表示适应度函数，定义如下：



其中p为惩罚因子，是为了避免故障检测率和隔离率都不满足条件，而测试费较少，适应度值较低的情况；
Step4：计算每个粒子在当前温度下的适应度值；将当前每个粒子的位置和适应度值保存在各自的各粒子个体最优值pbest中，然后通过比较比较每个粒子适应度值的大小，将当前粒子群中适应度值最大的粒子和该粒子位置保存在粒子群最优值gbest中；
Step5：采用轮盘赌策略根据适配值，用当前的某个各粒子个体最优值pbesti代替粒子群最优值gbest；
Step6：依据式(6)、(7)对粒子的速度和粒子位置进行更新；



xij(t+1)＝xij(t)+vij(t+1)(7)
其中为惯性因子，G＝g1+g2为学习因子之和，学习因子g1，g2决定了粒子本身经验和其它粒子经验对于粒子轨迹的影响；j＝1，2，…，n表示速度向量的第j个维度，vij(t)、xij(t)、pbestij分别表示第i个粒子速度与位置以及最优位置向量在第j个维度的分量；gbestj表示粒子群最优位置在第j个维度的分量；r1，r2是0到1之间的随机数；
Step7：重新计算每一个粒子的适应度值，与该粒子的个体最优值pbesti对应的适应度值比较，如果计算的适应度值大于该粒子个体最优值pbesti的适应度值，则更新该粒子个体最优值pbesti，否则该粒子个体最优值pbesti保持不变；比较当前迭代中所有的粒子个体最优值pbesti和粒子群最优值gbest对应的适应度值，i＝1，2，…，N，更新粒子群最优值gbest；
Step8：退温操作：Tk+1＝γTk(0＜γ＜1)；其中Tk表示第k次循环的温度、γ表示退温速率；
Step9：判断迭代次数是否达到预设值；如果小于预设值，则重复Step4-8，如果达到预设值，则输出粒子群最优值gbest对应的粒子位置xi(t)为感控单元布局方案；
2)网络单元路由优化流程
网络单元由任务管理节点、Sink节点和大量普通传感器节点组成，传感器节点采集到数据，经过简单处理后，以单跳或者多跳的方式自组织成网络，将监测到的数据传送给基站，然后基站与外部网络通信；假设m个传感器节点随机分布在L×L的矩形监测区域内，传感器节点和基站具有如下特性：
(a)传感器网络部署完成后，基站Sink节点和传感器节点的位置固定，且基站和节点的地理位置信息已知；
(b)每个节点都有唯一和固定ID；
(c)传感器节点同构，假设每个节点的初始能量相同，且能量有限；
(d)基站Sink有外部能量供应，视为无限能量；
(e)传感器节点根据通信距离大小自动调节发射功率；
(f...

【专利技术属性】
技术研发人员：景博，潘晋新，焦晓璇，崔展博，黄以锋，池程芝，王生龙，孙宏达，
申请(专利权)人：中国人民解放军空军工程大学，
类型：发明
国别省市：陕西;61