一种舵机维修特性预测与状态评估算法库构建方法技术

本发明专利技术涉及航空舵机维修技术领域，具体为一种舵机维修特性预测与状态评估算法库构建方法，步骤(一)预测与状态评估算法设计：将舵机故障可能性预测方法、舵机性能退化失效时间预测方法、系统可靠性、风险预测方法及系统风险评估输出合规性判定方法进行集成，选择合理算法，并基于舵机实际维修数据以及仿真验证数据，实现对舵机状态的识别以及使用寿命的估计；步骤(二)预测与状态评估算法库软件架构搭建：包括用户层、用户接口层、系统接口层、数据处理层、模型管理层。有效的解决了航空舵机技术状态识别困难，对使用寿命把控不到位的问题。对于提高航空舵机技术状态识别能力，把控使用寿命，提升航空舵机修理能力和修理效率有显著的作用。显著的作用。显著的作用。

【技术实现步骤摘要】
一种舵机维修特性预测与状态评估算法库构建方法


[0001]本专利技术涉及航空舵机维修
，具体为一种舵机维修特性预测与状态评估算法库构建方法。

技术介绍

[0002]舵机是飞机中重要的机电一体化部附件，通过接收飞控系统的电控信号并将其转化为作动筒的机械位移量，用于控制三轴主飞控舵面的偏转角度，是飞控系统中重要的执行设备。良好的舵机修理质量将极大的提升飞机的使用完好率，降低地勤维护强度，反之则会影响整个机队的任务可靠性，严重影响飞机使用。
[0003]随着数字化技术的发展，基于模型系统工程理论随着高性能航空装备的使用逐步向着数字化、精准化、智能化维修方向发展，通过建立舵机维修特性预测与状态评估算法库，开展舵机状态的识别以及使用寿命的估计，不仅能够让维修人员更加全面、科学的了解舵机的故障状态，以及舵机在飞行过程中的可靠性，更重要是，通过维修特性预测与状态评估算法的开发，实现对修理舵机使用寿命的估计，为飞机在维护保障过程中提供更加行之有效的评估手段，从而提高修理效率，增强飞机修理保障技术能力。
[0004]而现有航空舵机技术中存在状态识别困难，对使用寿命把控不到位的问题。

技术实现思路

[0005]为了解决上述技术问题，本专利技术提出了一种舵机维修特性预测与状态评估算法库构建方法。
[0006]本专利技术所要解决的技术问题采用以下技术方案来实现：
[0007]一种舵机维修特性预测与状态评估算法库构建方法，包括以下步骤：
[0008]步骤(一)预测与状态评估算法设计：
[0009]将舵机故障可能性预测方法、舵机性能退化失效时间预测方法、系统可靠性、风险预测方法及系统风险评估输出合规性判定方法进行集成，选择合理算法，并基于舵机实际维修数据以及仿真验证数据，实现对舵机状态的识别以及使用寿命的估计；
[0010]合理算法包括：人工神经网络、自回归滑动平均方法、贝叶斯网络、灰色预测方法、支持向量机算法；
[0011]步骤(二)预测与状态评估算法库软件架构搭建：
[0012]包括用户层、用户接口层、系统接口层、数据处理层、模型管理层。
[0013]优选的，步骤(一)中人工神经网络的隐层结构有三层，每层有8个神经元。
[0014]优选的，步骤(一)中自回归滑动平均方法包括给定观测数据的模型识别、系统动态模型、参数识别和系统预测。
[0015]优选的，步骤(二)中用户层用于提供用户窗口环境。
[0016]优选的，步骤(二)中用户接口层用于提供与用户和待测外部设备的接口。
[0017]优选的，步骤(二)中系统接口层用于提供与未来系统建模和外部设备接口管理的
接口。
[0018]优选的，步骤(二)中数据处理层包括系统健康诊断和预测算法库、诊断和预测算法库、数据库以及库接口。
[0019]优选的，系统健康诊断和预测模块包括故障检测模块、诊断模块、预测模块、数据库接口。
[0020]优选的，步骤(二)中模型管理层包括预测算法库、退化失效时间预测算法库、可靠性及风险评估算法库
[0021]本专利技术的有益效果是：
[0022]本专利技术通过提供一种舵机维修特性预测与状态评估算法库构建方法，有效的解决了航空舵机技术状态识别困难，对使用寿命把控不到位的问题。通过实际使用，该构建方法具有预测精度高、结构简洁、普遍性强的特点，对于提高航空舵机技术状态识别能力，把控使用寿命，提升航空舵机修理能力和修理效率有显著的作用。
附图说明
[0023]下面结合附图和实施例对本专利技术进一步说明：
[0024]图1为本专利技术中BPNN的算法块框图；
[0025]图2为本专利技术中人工神经网络结构图；
[0026]图3为本专利技术中给定观测数据的模型识别流程图；
[0027]图4为本专利技术中灰度预测系统模型；
[0028]图5为本专利技术中向量机的算法块框图；
[0029]图6为本专利技术中预测与状态评估算法库总体架构图；
[0030]图7为本专利技术中预测与状态评估算法库框架结构图；
[0031]图8为本专利技术中预测与状态评估算法库软件运行和数据流程图；
[0032]图9为本专利技术中算法库及模型库软件界面示意图。
具体实施方式
[0033]为了使本专利技术实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合附图以及实施例对本专利技术进一步阐述。
[0034]一种舵机维修特性预测与状态评估算法库构建方法，包括以下步骤：
[0035]步骤(一)预测与状态评估算法设计。
[0036]将舵机故障可能性预测方法、舵机性能退化失效时间预测方法、系统可靠性、风险预测方法及系统风险评估输出合规性判定方法进行集成，选择合理算法，并基于舵机实际维修数据以及仿真验证数据，实现对舵机状态的识别以及使用寿命的估计。
[0037]方法一：人工神经网络。
[0038]人工神经网络(ANN)是一种模仿人脑结构的计算模型。由连接到复杂层结构的简单处理元件组成，使得模型能够使用多输入和多输出特征来近似复杂的非线性函数。人工神经网络通过对输入和输出的观察来调整其权重来学习未知函数。利用BP神经网络(BP)训练算法的多层感知前馈神经网络(FFNN)，BPNN如图1所示，是模式识别、分类和机器故障诊断中最常用的神经网络模型。图中：SySAN分析模块的输入包括：test_fl：用于训练的数据
文件；teacher_fl：训练数据的结果文件；classify_fl：实际数据文件。ysSn块的输出包括：Model：保存所有的权重和阈值的文件；Classify_result:对实际数据进行分类的结果。
[0039]所实现的人工神经网络如图2所示的隐层结构有三层，每层有8个神经元。输入和输出的数量可以随着实际需求而变化。
[0040]方法二：自回归滑动平均方法。
[0041]在许多涉及复杂系统的情况下，基于物理过程来推导动态模型是很困难的。在这种情况下，可以假定动态模型的某种形式，然后使用系统的观测输入和输出来确定所需的模型参数，以便此模型充当系统的精确近似模型，这被称为模型识别。
[0042]给定观测数据的模型识别，如图3所示。
[0043]先验知识指导模型设计，数据通过一系列的测试运行得到。假设一个系统模型，并给出一个合适的定义标准。接下来使用测试数据、模型集和适合准则来计算模型参数。完成此步骤后，用未使用的数据验证模型。如果验证步骤成功，则标识任务将终止；否则，返回到初始步骤，直到获得最优的模型。
[0044]系统动态模型
[0045]将时间k的vk函数与其过去的历史联系起来的动态系统表示，以及噪声ek到时间k的时间历史，被称为自回归移动平均(ARMA)模型。它可以被视为从过去的vk历史和噪声ek中预测(预计)时间k的v值。输入输出关系称为方程误差模型。这种模型的系数是未知参数，必须对其进行调整，使模型的输入输出行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种舵机维修特性预测与状态评估算法库构建方法，其特征在于：包括以下步骤：步骤(一)预测与状态评估算法设计：将舵机故障可能性预测方法、舵机性能退化失效时间预测方法、系统可靠性、风险预测方法及系统风险评估输出合规性判定方法进行集成，选择合理算法，并基于舵机实际维修数据以及仿真验证数据，实现对舵机状态的识别以及使用寿命的估计；合理算法包括：人工神经网络、自回归滑动平均方法、贝叶斯网络、灰色预测方法、支持向量机算法；步骤(二)预测与状态评估算法库软件架构搭建：包括用户层、用户接口层、系统接口层、数据处理层、模型管理层。2.根据权利要求1所述的一种舵机维修特性预测与状态评估算法库构建方法，其特征在于：步骤(一)中人工神经网络的隐层结构有三层，每层有8个神经元。3.根据权利要求1所述的一种舵机维修特性预测与状态评估算法库构建方法，其特征在于：步骤(一)中自回归滑动平均方法包括给定观测数据的模型识别、系统动态模型、参数识别和系统预测。4.根据权利要求1所述的一种舵机维修特性预...

【专利技术属性】
技术研发人员：李靖，高继文，孙同明，袁珂，汪启超，阚艳，范鑫，胡晨，周骋，
申请(专利权)人：国营芜湖机械厂，
类型：发明
国别省市：