一种健康管理系统技术方案

本发明专利技术涉及一种健康管理系统，包括光电系统状态监控模块、功能检测模块、故障监测和管理模块、异常容忍模块、状态切换和恢复模块、失效可靠性分析模块、寿命数据分析模块、退化数据分析模块、概率风险评估模块、诊断自动化设计模块及寿命预测模块；光电系统状态监控模块采用基于系统识别的方法，将结构训练数据生成系统模型估计冲击力和位置，用于结构健康监控；功能检测模块用于对各成像传感器组件、电机驱动器、控制器的工作状态、参数和故障情况进行监控。本发明专利技术可实时对系统的健康状态进行自动采集、处理，进行统一的健康数据管理。进行统一的健康数据管理。进行统一的健康数据管理。

【技术实现步骤摘要】
一种健康管理系统


[0001]本专利技术涉及一种健康管理系统，属于机载光电系统


技术介绍

[0002]系统健康管理SHM的定义是：系统具有维持自身正常功能的能力，也即系统在受到干扰条件下，具有维持、预防、检测、诊断、应对和恢复的能力。系统健康管理和可靠性紧密相连又有所不同可靠性是指系统正常工作的能力，包括定量和定性的设计和操作、故障预防和容错。光电系统健康管理技术的发展经历几个阶段：
[0003](1)因提高安全性的需求，使得健康和使用监测系统(HUMS)发展；HUMS既是数据记录仪，获取飞行小时数据，以确保基于使用的维护按照既定程序进行；HUMS还具有基本的监控子系统和组件健康的能力，之后从传统的以时间和使用为基础的维护策略，过渡到基于状态的维修(CBM)策略；
[0004](2)由于定期维护需要大量人力成本且带来很大工作量，加上人为错误，系统健康管理技术向视情维护方法过渡，精确检测通常需要定期大修和更换的平台上的主要元件的健康状况；
[0005](3)视情维护+是一种积极的设备维护能力，通过使用系统健康指示，能在事故发生前预测功能性故障，并采取适当行动；而传统的以可靠性为中心的视情维护，是在故障发生后对其进行监控。
[0006]系统健康管理的主要变化就是在数据融合和决策中，维护的计划过程、系统操作的自动化水平的提高，在无人干预的情况下检测故障并作出反应的能力成为提高自动化水平的关键。最新的系统健康管理可实现视情维护和视情维护+，甚至自动安排维修进程。
[0007]由于载机所处场景复杂、周围环境恶劣、任务形式复杂多样，系统内部分(子)系统的健康运行才能为精确复杂的任务做好基础保障。因此对机载光电系统进行及时的状态监测、故障检测、失效预报、寿命预测、险情处理显得至关重要。除了满足功能要求外，系统健康管理的系统必须经过认证才能在设计的环境中可靠运行。
[0008]传统的健康管理系统和方法存在以下几点问题：
[0009]1)当装备维护部门需要提高对机载光电系统的健康状态管理效率，需要实时对系统的健康状态进行远程自动采集、处理，进行统一的健康数据管理，传统的健康管理系统缺乏功能支撑；
[0010]2)对失效机理研究不够深入，对故障处理过于简单，对概率风险评估不足，对寿命预测功能需要增加；
[0011]3)软硬件开发升级能力有待提高，对各个子系统、组件的兼容性和扩展性有待增强；
[0012]4)对软件失效和故障处理的研究不足，软件的问题来源于设计缺陷、编码以及测试，软件运行失效对系统产生负面影响。

技术实现思路

[0013]本专利技术解决的技术问题是：克服现有技术的不足，提出一种健康管理系统，实现更好的功能支撑，提高概率风险评估能力。
[0014]本专利技术解决技术的方案是：
[0015]一种健康管理系统，包括光电系统状态监控模块、功能检测模块、故障监测和管理模块、异常容忍模块、状态切换和恢复模块、失效可靠性分析模块、寿命数据分析模块、退化数据分析模块、概率风险评估模块、诊断自动化设计模块及寿命预测模块；
[0016]光电系统状态监控模块采用基于系统识别的方法，将结构训练数据生成系统模型估计冲击力和位置，用于结构健康监控；
[0017]功能检测模块用于对各成像传感器组件、电机驱动器、控制器的工作状态、参数和故障情况进行监控；
[0018]故障监测和管理模块根据传感器、信号调理、数据转换、数据处理的信息评估该健康管理系统的状态，健康管理系统实时验证传感器的读数并诊断传感器的故障；
[0019]当出现三类或四类故障时，异常容忍模块将相关的非关键性功能中止，以满足安全反应需求；
[0020]状态切换和恢复模块：状态切换通过状态监控触发冗余器件和备份单元的切换，以应对主用件失效后迅速接替工作；状态恢复采用手动或自动看门狗定时器，实现检测和从非灾难性失效中恢复；
[0021]失效可靠性分析模块：对电气子系统或部件的内部故障检测、隔离和恢复记忆系统处于正常工作模式、备用模式、诊断模式、故障模式下，分析计算系统、子系统和组件的最低、标称和最大功率消耗；
[0022]寿命数据分析模块：采用极大似然法评估分布分位数和失效概率，以确定元件、可更换元件的失效时间以及可维修系统的首次失效时间；
[0023]退化数据分析模块：将物理退化当做时间函数测量，将实际的物理退化通过产品性能退化的数据测量；
[0024]概率风险评估模块：通过关联任务事件树，确定导致意外事件发生的不同场景的概率；
[0025]诊断自动化设计模块：对健康管理系统的执行器模型参数和基础参数之间差异进行诊断，实现故障隔离；
[0026]寿命预测模块：通过寿命的概率密度模型，实现对电子器件及结构件寿命的预则。
[0027]进一步的，故障监测和管理的方法为：
[0028]物理冗余，在传感器网络中部署二至四层物理冗余，基于投票和中值计算选择方案；
[0029]解析冗余，传感器故障解析包括：广义似然比，多模型、扩展和迭代扩展的卡尔曼滤波，序贯概率似然比检验以及广义的可能性测试，以连续检测传感器的测量状态，当传感器发生故障时，输出信号偏离了来自产生残差评估计划的在线或离线预测值，在单个或多个时间段，当残差超过一定阈值，说明传感器存在故障；
[0030]通过神经网络训练，健康管理系统在线学习和识别传感器的各种故障，传感器信号完全丢失的硬故障和产生漂移的软故障，并由在线学习的物理模型对失效的传感器数据
进行调节。
[0031]进一步的，故障的处理方法包括：故障阻止、故障移除、故障容错和输入序列工作区。
[0032]进一步的，退化数据分析方法为：
[0033](1)对于元件i，样本的路径数据为(ti1,yi1)，
……
，(tim,yim),求函数betai＝(beta0i,beta1i)的极大似然估计值；
[0034](2)计算伪失效时间；
[0035](3)对于每个样本路径，重复以上步骤获得伪失效时间t1，
……
，tn；
[0036](4)对数据t1，
……
，tn进行单分布分析求得估计值F(t)。
[0037]进一步的，概率风险评估方法为：
[0038](1)初始事件主逻辑图识别和分类所有能够导致意外时间发生的危险事故；
[0039](2)建立时间性和功能性任务事件树；
[0040](3)建立故障树和事件序列图并与任务事件树关联；
[0041](4)收集数据量化事故场景和事故结果，包括元件的失效率数据、维修时间数据、初始事件概率、检查概率的审查失效、结构失效概率、人为错误概率、过程失效概率、常规原因的失效概率；
[0042](5)通过概率风险评估模块将事件顺序表和故障树与任务事件树进行逻辑关联，进行事件识别、自动分类、优化排列事件；通过关联任务事件本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种健康管理系统，其特征在于，包括光电系统状态监控模块、功能检测模块、故障监测和管理模块、异常容忍模块、状态切换和恢复模块、失效可靠性分析模块、寿命数据分析模块、退化数据分析模块、概率风险评估模块、诊断自动化设计模块及寿命预测模块；光电系统状态监控模块采用基于系统识别的方法，将结构训练数据生成系统模型估计冲击力和位置，用于结构健康监控；功能检测模块用于对各成像传感器组件、电机驱动器、控制器的工作状态、参数和故障情况进行监控；故障监测和管理模块根据传感器、信号调理、数据转换、数据处理的信息评估该健康管理系统的状态，健康管理系统实时验证传感器的读数并诊断传感器的故障；当出现三类或四类故障时，异常容忍模块将相关的非关键性功能中止，以满足安全反应需求；状态切换和恢复模块：状态切换通过状态监控触发冗余器件和备份单元的切换，以应对主用件失效后迅速接替工作；状态恢复采用手动或自动看门狗定时器，实现检测和从非灾难性失效中恢复；失效可靠性分析模块：对电气子系统或部件的内部故障检测、隔离和恢复记忆系统处于正常工作模式、备用模式、诊断模式、故障模式下，分析计算系统、子系统和组件的最低、标称和最大功率消耗；寿命数据分析模块：采用极大似然法评估分布分位数和失效概率，以确定元件、可更换元件的失效时间以及可维修系统的首次失效时间；退化数据分析模块：将物理退化当做时间函数测量，将实际的物理退化通过产品性能退化的数据测量；概率风险评估模块：通过关联任务事件树，确定导致意外事件发生的不同场景的概率；诊断自动化设计模块：对健康管理系统的执行器模型参数和基础参数之间差异进行诊断，实现故障隔离；寿命预测模块：通过寿命的概率密度模型，实现对电子器件及结构件寿命的预则。2.根据权利要求1所述的一种健康管理系统，其特征在于，故障监测和管理的方法为：物理冗余，在传感器网络中部署二至四层物理冗余，基于投票和中值计算选择方案；解析冗余，传感器故障解析包括：广义似然比，多模型、扩展和迭代扩展的卡尔曼滤波，序贯...

【专利技术属性】
技术研发人员：何烈永，丁楠，徐世豪，
申请(专利权)人：浙江大立科技股份有限公司，
类型：发明
国别省市：