一种基于推土机距离度量的装备多维度健康状态评估方法技术

本发明专利技术公开了一种基于推土机距离度量的装备多维度健康状态评估方法，其以能表征装备性能状态的监测参数(亦可称监测数据)为输入。所述方法包括：首先对全寿命数据及实时数据进行数据预处理，提高数据可用度；然后进行衰退敏感参数同向翻转加权平均，利用全寿命数据和实时数据的健康状态样本集确定标准健康集，并利用历史数据的故障状态样本集确定标准故障集；然后通过时序滑窗计算推土机距离得到性能衰退样本集；最后线性生成装备健康状态集。最后线性生成装备健康状态集。最后线性生成装备健康状态集。

【技术实现步骤摘要】
一种基于推土机距离度量的装备多维度健康状态评估方法


[0001]本专利技术涉及一种复杂装备系统的健康状态评估方法，特别涉及一种基于推土机距离度量的装备多维度健康状态评估方法。

技术介绍

[0002]在航空航天领域，航空航天器等高可靠性的大型复杂系统，其功能和性能不断提高，复杂性和综合化程度也不断增加。为了保证航空航天器巡航和在轨可靠稳定运行，利用传感器得到的衰退信息来监视、评估复杂系统的健康状态，以对复杂装备和系统进行健康评估是行之有效的健康管理活动之一。目前，在航空航天器健康状态评估领域方面，广泛应用的是基于数据驱动的状态评估方法。随着传感器技术的不断发展，航空航天器复杂装备的监测参数随时间变化的退化序列越来越容易获得，更加推动了基于数据驱动的健康评估方法的发展。
[0003]在现有的基于数据驱动的装备状态评估方法中，申请号为CN201610036846.X、名称为“一种行星齿轮箱健康状态评估方法”的专利技术专利通过将原始振动信号进行经验模态分解，计算原始振动信号能量值实现行星齿轮箱健康状态评估，这种方法未能充分利用装备参数数据的时序分布特征。申请号为CN201610173851.5、名称为“基于测试数据的固体火箭发动机健康状态评估方法”的专利技术专利利用三角模糊函数下的隶属度，实现不同健康状态等级的目标分配，这种方法多为基于非线性和非平稳性振动信号的状态评估，忽略了具有明显退化趋势的传感器参数对装备性能状态的描述。另外，上述现有技术均没有形成一套系统的、完整的状态评估流程，针对不同的复杂装备及其多维监测参数，现有技术的应用效果存在显著差异。上述不足影响了装备状态评估的准确性。

技术实现思路

[0004]基于现有技术存在的上述技术问题，本专利技术基于推土机距离度量分布相似度的性质，充分利用装备性能退化参数数据的时序趋势特征，提出一种完整的装备多维度健康状态评估方法。
[0005]根据本专利技术的一个方面，提出一种基于推土机距离度量的装备多维度状态评估方法，所述方法包括：获取装备的监测参数，所述监测参数为表征装备性能衰退的监测数据；对所述监测数据进行数据预处理，提高数据可用度；对经过数据预处理后的监测数据进行衰退敏感参数同向翻转加权平均，利用样本数据和待评估数据的健康状态样本集确定标准健康集，利用历史数据的故障状态样本集确定标准故障集，所述标准健康集和标准故障集构成状态评估标准样本集；基于所述状态评估标准样本集进行时序滑窗推土机距离计算，得到推土机距离和性能衰退样本集；基于所述推土机距离和所述性能衰退样本集线性生成健康度。
[0006]优选地是，所述监测参数来自状态评估样本集，所述状态评估样本集包括全寿命数据和实时数据。
[0007]优选地是，所述数据预处理包括数据剔野、数据补齐、数据降噪，所述数据剔野操作是将不符合要求的数据点、有明显错误的离群点予以剔除；所述数据补齐操作是针对野值剔除后数据缺失的问题，利用插值法补齐数据空值；所述数据降噪操作是对剔野、补齐处理后的数据进行平滑降噪，以进一步提高数据质量。
[0008]优选地是，所述衰退敏感参数同向翻转加权平均包括：衰退敏感参数归一化、衰退敏感参数同向翻转、衰退敏感参数加权平均、确定健康样本集与故障样本集。
[0009]优选地是，所述衰退敏感参数归一化是将各维参数归一化至0
‑
1范围，去除参数量纲，为后续步骤提供数据基础；所述衰退敏感参数同向翻转是将训练数据的矩阵序列和测试数据的矩阵序列进行一致化处理，以使训练数据的矩阵序列和测试数据的矩阵序列的每一列参数化为相同变化趋势的数据。
[0010]优选地是，对所述一致化处理的参数进行加权平均，以确定每台训练装备前t个循环作为装备初始健康状态H＝{H1,H2,
…
,H
t
}，其中
[0011][0012]其中，w
j
为第j个敏感参数对应的权重值；按加权平均的方式确定每台训练装备后t个循环作为发动机到寿故障状态值F＝{F
n
‑
t
,F
n
‑
t+1
,
…
,F
n
}，其中：
[0013][0014]优选地是，将全部测试、训练装备健康状态值H由小到大排序，选择排名靠前的装备初始状态作为健康集样本，将全部训练装备故障状态值F由大到小排序，选择排名靠前的装备到寿状态作为故障集样本，所述选择的比例为10％。
[0015]优选地是，所述时序滑窗推土机距离计算包括：健康样本集与故障样本集的时序滑窗推土机距离计算；训练、测试数据的时序滑窗推土机距离计算。
[0016]优选地是，所述训练、测试数据的时序滑窗推土机距离计算包括：计算健康状态推土机距离序列S
h
、计算故障状态推土机距离序列S
f
；所述推土机距离计算具体为：将待评估装备参数样本按时间长度t，步长为1进行滑窗切割，将待评估装备参数样本划分为离散片段样本；并将离散片段样本内每个参数分别与健康样本集中对应的参数数据分布计算推土机距离；然后，将所有参数的推土机距离计算结果取算数平均值；对该算数平均值进行归一化处理，得到最终的健康状态推土机距离序列S
h
。
[0017]优选地是，所述生成健康度步骤包括：生成变权重序列，降低故障推土机样本集尾部数据的权重值，增大其前端数据权重值，最终生成健康变权重序列和故障变权重序列；线性生成健康度；根据健康和故障推土机距离数据集，计算每台装备的健康度序列，记为：
[0018]CV＝{CV1，CV2，......，CV
l
}，
[0019]该序列通过变权重定量表征了装备健康状态：
[0020]CV
i
＝s
fi
*w
hi
+(1
‑
s
hi
)*w
fi
[0021]其中，CV
i
为装备第i个循环健康度值，s
hi
、s
fi
分别为每台装备第i个循环健康、故障样本推土机距离度量结果值。
[0022]本专利技术的方法需要足够的装备监测参数数据支撑，数据需要具备以下特点：
[0023](1)参数随发动机使用具有退化趋势(即为非恒定值参数)；
[0024](2)参数能够在每一次工作循环过程中采集获得(即为参数随循环次数连续分布)。
[0025]下面将结合附图对本专利技术进行详细说明。
附图说明
[0026]本公开的各种实施例或样例(“示例”)在以下的具体实施方式和附图中得以公开。没必要将附图按比例绘制。一般而言，除非在权利要求中另有规定，否则可以任意顺序执行本专利技术所公开部件以及方法的操作。附图中：
[0027]图1是根据本专利技术的一种基于推土机距离度量的装备多维度健康状态评估方法流程图；
[0028]图2示出了根据本专利技术的推土机距离计本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于推土机距离度量的装备多维度健康状态评估方法，所述方法包括：获取装备的监测参数，所述监测参数为表征装备性能衰退的监测数据；对所述监测数据进行数据预处理，提高数据可用度；对经过数据预处理后的监测数据进行衰退敏感参数同向翻转加权平均，利用样本数据和待评估数据的健康状态样本集确定标准健康集，利用历史数据的故障状态样本集确定标准故障集，所述标准健康集和标准故障集构成状态评估标准样本集；基于所述状态评估标准样本集进行时序滑窗推土机距离计算，得到推土机距离和性能衰退样本集；基于所述推土机距离和所述性能衰退样本集线性生成健康度。2.根据权利要求1所述的装备多维度健康状态评估方法，其特征在于，所述监测参数来自状态评估样本集，所述状态评估样本集包括全寿命数据和实时数据。3.根据权利要求1所述的装备多维度健康状态评估方法，其特征在于，所述数据预处理包括数据剔野、数据补齐、数据降噪，所述数据剔野操作是将不符合要求的数据点、有明显错误的离群点予以剔除；所述数据补齐操作是针对野值剔除后数据缺失的问题，利用插值法补齐数据空值；所述数据降噪操作是对剔野、补齐处理后的数据进行平滑降噪，以进一步提高数据质量。4.根据权利要求1所述的装备多维度健康状态评估方法，其特征在于，所述衰退敏感参数同向翻转加权平均包括：衰退敏感参数归一化、衰退敏感参数同向翻转、衰退敏感参数加权平均、确定健康样本集与故障样本集。5.根据权利要求4所述的装备多维度健康状态评估方法，其特征在于，所述衰退敏感参数归一化是将各维参数归一化至0
‑
1范围，去除参数量纲，为后续步骤提供数据基础；所述衰退敏感参数同向翻转是将训练数据的矩阵序列和测试数据的矩阵序列进行一致化处理，以使训练数据的矩阵序列和测试数据的矩阵序列的每一列参数化为相同变化趋势的数据。6.根据权利要求5所述的装备多维度健康状态评估方法，其特征在于，对所述一致化处理的参数进行加权平均，以确定每台训练装备前t个循环作为装备初始健康状态H＝{H1,H2,
…
,H
t
}，其中其中，w
j
为第j个敏感参数对应的权重值；按加权平均的方式确定每台训练装备后t个循环作为发动机到寿故障状态值F＝{F
n
‑
t
,F

【专利技术属性】
技术研发人员：马剑，刘学，康俪元，邹新宇，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：