【技术实现步骤摘要】
一种作战系统健康状态预测方法
[0001]本专利技术属于飞机飞行信息化
，特别涉及一种作战系统健康状态预测方法。
技术介绍
[0002]现代作战系统是武器的指挥中枢，是一个典型的“信息密集型”系统。随着作战系统朝着模块化、智能化、大型化、复杂化、综合化方向发展，传统的预防性维修和事后维修的维修保障模式已经不能满足现代化战争对武器装备任务出勤率和战备完好率的要求。在这样的背景下，基于故障预测与健康管理(Prognostics and Health Management，PHM)技术的视情维修策略得到了装备使用单位的高度重视。针对现代作战系统研究一种高效准确的健康状态预测手段，以便根据其健康状态劣化趋势来确定最佳维修时机和最佳维修方案，成为了作战系统保障技术升级的重要需求。
技术实现思路
[0003]本专利技术的目的就是为了克服上述
技术介绍
的缺点，提供一种作战系统健康状态预测方法。
[0004]为了实现上述技术效果，本专利技术通过下述技术方案实现：
[0005]一种作战系统健康状态预测方法，
【技术保护点】
【技术特征摘要】
1.一种作战系统健康状态预测方法，其特征在于：包括如下步骤：步骤一：建立自回归移动平均模型；步骤二：建立人工神经网络模型；步骤三：建立作战系统混合预测数学模型；步骤四：运用混合模型实现系统健康状态预测。2.根据权利要求1所述的一种作战系统健康状态预测方法，其特征在于：所述步骤一中，基于时间序列分析所获得的规律来建立数学模型，对某一个或一组变量x(t)进行观察测量，将在一系列时刻t1，t1，
…
，t
n
，，t为时间自变量，n为自然数，按照时间次序排列，并用于解释变量和相互关系的数学表达式；所得到的离散数字组成序列集合x(t1)，x(t2)，
…
，x(t
n
)，称之为时间序列，并对这些以时间顺序排列的数据进行分析。3.根据权利要求2所述的一种作战系统健康状态预测方法，其特征在于：所述步骤二中，人工神经网络中处理单元的类型分为输入单元、输出单元和隐单元；输入单元接受外部世界的信号与数据；输出单元实现系统处理结果的输出；隐单元是处在输入和输出单元之间，神经元间的连接权值表示单元间的连接强度，信息的表示和处理体现在网络处理单元的连接关系中。4.根据权利要求3所述的一种作战系统健康状态预测方法，其特征在于：所述步骤三中，时间序列的非线性成分利用人工神经网络建模，再将其与自回归求和移动平均模型的结果合并起来，得到更高的预测精度。5.根据权利要求2所述的一种作战系统健康状态预测方法，其特征在于：步骤一中的基于时间序列的预测步骤包括如下步骤：步骤1.收集和整理历史资料，形成时间序列，绘成统计图；步骤2.分析时间序列；步骤3.辨识模型、曲线拟合：通过分析时间序列，提取有价值信息，根据其特点和规律，结合预测模型的优缺点，选择合适的预测模型，拟合出一条能反映被预测对象未来一定时间段内变化趋势的曲线；步骤4.依据曲线，预测未来：通过对拟合出的曲线分析、推理，按照时间推移，对被预测对象未来某一时刻进行故障预测。6.根据权利要求3所述的一种作战系统健康状态预测方法，其特征在于：步骤二中用于其健康状态预测的人工神经网络模型及其预测过程通过三层前向神经网络来示意表明，其中x1，x2，
…
x
n
为网络的n个输入，y1，y2，
…
y
m
为网络的m个输出，ω
ij
为输入层第i个节点到中间层第j个节点之间的连接权重，ω
jk
为中间层第j个节点与输出层第m个节点之间的连接权重；当其被用于作战系统的健康状态预测时，输入层中输入向量X＝(x1，x2，
…
x
n
)为作战系统或其下级单元设备的状态监测数据；经过预处理后，被作为预测模型的输入参数；该预测模型的中间层为隐含层，为一层或多层结构，通过ω
ij
和ω
jk
为连接输入层和输出层；输出层的输出值即为预测值，输出层节点数m为预测结果的总数，Y＝(y1，y2，
…
y
m
)即为此次预测的输出结果。7.根据权利要求6所述的一种作战系统健康状态预测方法，其特征在于：基于神经网络模型进行预测过程中，首先以状态监测数据为样本，选择训练、测试和分析样本；然后通过网络参数设置训练模型；再用测试样本对训练的网络模型进行测试，检验网络性能；最后用
模型和分...
【专利技术属性】
技术研发人员：周琴，张小波，易春兰，乔薇，向南，
申请(专利权)人：成都飞机工业集团有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。