一种基于耦合函数的机队维护数字孪生诊断和预测方法、设备和存储介质技术

本发明专利技术提供一种基于耦合函数的机队维护数字孪生诊断和预测方法、设备以及存储介质。首先利用耦合函数对机队内多个结构之间损伤状态的依赖性进行建模，以获得用于机队协同更新的近似联合概率分布，并将其部署为一个基于耦合函数的更新步集成到粒子滤波框架中，从而允许基于对单个结构的观察来更新机队中的所有结构，从而提高机队内结构损伤的整体预测精度并降低过程中的不确定性。本发明专利技术涉及一种电子设备和存储介质，用于执行基于耦合函数的方法来处理基于机队维护数字孪生的诊断和预测方法。本发明专利技术可以集成到机队维护数字孪生中，可以在不增加成本的情况下提高整体机队运营的安全性，或者在保持安全要求的同时有效降低运维成本。运维成本。运维成本。

【技术实现步骤摘要】
一种基于耦合函数的机队维护数字孪生诊断和预测方法、设备和存储介质


[0001]本专利技术属于结构寿命预测、设备运行维护领域，尤其涉及一种基于耦合函数的机队维护数字孪生诊断和预测方法、设备和存储介质。

技术介绍

[0002]在航空和机械结构中，循环载荷引起的关键部件疲劳裂纹的萌生和扩展，导致结构失效并影响结构完整性。为了应对这一挑战，人们陆续采用了从安全寿命、破损安全到损坏容限等多种方法。基于这些方法，传统的机队管理采用统一的管理方式来保障结构完整性，即每架飞机使用相同的检查和维护计划，而很少考虑每架飞机之间的差异。
[0003]自1970年代以来，单机追踪(IAT)技术被广泛使用。这项技术通过考虑载荷和服役历史的差异以跟踪每架飞机的损坏状态。这允许为每架飞机制定单独的检查和维护计划，但该方法仍然是确定性的。2010年起，在单机追踪的基础上，飞机结构数字孪生通过创建系统的多物理、多尺度和概率性虚拟仿真模型来提升结构损伤诊断和预测水平。该模型集成了来自模型和数据的多个异构和不确定的信息源，以支持机队维护的主动决策。
[0004]粒子滤波(PF)已广泛用于航空和机械结构数字孪生的损伤诊断和预测，因为它能够模拟包含认识和随机不确定性的非高斯非线性过程。粒子滤波使用一组随机样本来近似的表示状态和参数的概率分布，并通过状态空间模型对动态系统中状态和参数的变化进行建模。通过样本均值代替积分运算，可以获得系统状态的最小方差估计。在粒子滤波中，通过简单裂纹的分析或经验公式，或复杂裂纹的降阶模型实时预测裂纹扩展，并基于对裂纹的直接检查或使用结构健康监测技术(如光纤布拉格光栅或兰姆波)得到观测模型。预测模型和观测模型的融合可以实现对结构裂纹损伤烟花过程的诊断和预测。
[0005]然而，目前基于粒子滤波的数字孪生方法主要侧重于机队内个体级别的诊断和预测，而很少关注机队的整体联系。机队中由于任务和环境的相似性，各个结构之间的损伤状态也是存在相关性的，这提供了可供利用的宝贵信息。而这在传统的面向个体的粒子滤波中是未考虑的。虽然可以使用粒子滤波对多个结构进行直接建模，但这是一个高维问题，需要大量粒子，因此难以应用于实际。为了有效地考虑机队内结构之间的相关性并提升整体机队诊断和预测精度，需要开发一种高效的替代方法。

技术实现思路

[0006]本专利技术提出了一种基于耦合函数的方法来处理基于机队维护数字孪生的诊断和预测问题。耦合函数通过耦合多个变量各自一维边缘分布的依赖结构，从而对其联合多元分布进行建模。本专利技术创新性地利用耦合函数来对机队内多个结构之间损伤状态的依赖性进行建模，以获得用于机队协同更新的近似联合概率分布，并将其部署为一个基于耦合函数的更新步集成到粒子过滤中，从而允许基于对单个结构的观察来更新机队中的所有结构，从而提高机队内结构损伤的整体预测精度并降低过程中的不确定性。本专利技术可以集成
到机队维护数字孪生中，可以在不增加成本的情况下提高整体机队运营的安全性，或者在保持安全要求的同时有效降低运维成本。
附图说明
[0007]图1基于耦合函数的机队维护数字孪生诊断和预测示意图；
[0008]图2基于耦合函数更新其他结构的损伤状态的流程图；
[0009]图3基于耦合函数的方法和单独更新的粒子滤波方法诊断和预测结果的对比；
[0010]图4本专利技术所提出方法的扩展参数更新结果；
[0011]图5传统粒子滤波方法的扩展参数更新结果。
具体实施方式
[0012]图1是基于耦合函数的机队维护数字孪生诊断和预测示意图，其将个体结构1和个体结构2在各自服役周期的结构损伤状态通过耦合函数进行关联。
[0013]具体的，本专利技术提出了一种基于耦合函数的方法来处理基于机队维护数字孪生的诊断和预测方法，包括以下步骤。
[0014]步骤1：构建初始结构数字孪生模型
[0015]在将数字孪生在线部署用于结构损伤诊断和预测之前，需要在离线阶段构建初始的数字孪生模型。结构数字孪生模型是一个多学科、多层级的概率性仿真模型，需要将气动、结构、疲劳等模型集成在一个不确定性分析的框架里，并考虑模型参数的不确定性。模型参数的先验分布通过前期的试验或者工程经验确定，从而得到一个初始结构数字孪生模型，该模型将在在线部署过程中随着检查数据不断更新从而提升模型预测的可信度。
[0016]步骤2：采集机队内每个结构的使用数据
[0017]首先，需要在机队内每个结构上获取使用载荷，从而作为数字孪生模型的输入。使用载荷的获取有两种方法。第一种方法是通过采集飞机的飞行数据，包括速度、姿态角、姿态角速度等，并通过气动仿真得到结构外载荷。第二种方法是通过在结构上布置传感器采集应变等信息，并结合载荷反演算法得到结构外载荷。对于第二种方法，需要考虑传感器的选择和布置，从而尽可能地获取足够多的信息。
[0018]步骤3基于结构数字孪生模型预测结构损伤演化
[0019]基于步骤2采集到的使用载荷和结构外载荷，可以通过结构数字孪生模型预测结构疲劳损伤的演化。对于每个结构的疲劳裂纹扩展过程如下所示：
[0020]对于疲劳裂纹扩展过程，系统的状态用裂纹长度a表示。裂纹长度的演化可以表示为：
[0021][0022]其中，为每个载荷循环的裂纹长度增量，ΔK是应力强度因子(SIF)的范围，μ是考虑不确定性的材料参数。
[0023]使用裂纹长度a与不确定性的材料参数μ定义增广状态向量x
k
＝[μ
k
,a
k
]′
，完整的状态空间模型可以建模为：
[0024][0025]y
k
＝a
k
+η
k (3)
[0026]其中，k为时间步，y
k
是裂纹长度的观测值，ω
μ,k
是材料参数μ
k
演变中的噪声项，是裂纹扩展过程的噪声，服从高斯分布且η
k
是测量噪声，服从零均值高斯分布，ΔN为载荷循环步长。
[0027]在裂纹扩展预测中，需要根据前一个时间步的状态变量x
k
‑1和两个相邻时间步之间的状态转换以预测状态向量x
k
；
[0028]p(x
k
∣y
1:k
‑1)＝∫p(x
k
∣x
k
‑1)p(x
k
‑1∣y
1:k
‑1)dx
k
‑
1 (4)
[0029]公式4的预测过程可以使用多种不确定性建模方法进行预测。当使用粒子滤波时，具体操作为对每个粒子按照公式2预测时间步k的粒子状态，再计算粒子分布和均值。
[0030]步骤4对机队内任意结构进行检查，获取损伤观测数据
[0031]当机队内某个结构有安排检查时，通过目视检查或者无损检测手段获取结构当前的损伤状态y
k
。其中目视检查本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于耦合函数的机队维护数字孪生诊断和预测方法，其特征在于，包括以下步骤，步骤1.构建初始结构数字孪生模型；步骤2.采集机队内每个结构的使用数据；步骤3.基于结构数字孪生模型预测结构损伤演化；步骤4.对机队内任意结构进行检查，获取损伤观测数据；步骤5.使用粒子滤波更新当前结构的损伤状态；步骤6.基于耦合函数更新其他结构的损伤状态；步骤7.继续预测，直到达到结构维修或替换要求。2.根据权利要求1所述的一种基于耦合函数的机队维护数字孪生诊断和预测方法，其特征在于，步骤1包括，在离线阶段构建初始的结构数字孪生模型，结构数字孪生模型将气动、结构、疲劳模型集成在一个不确定性分析的框架里，并考虑模型参数的不确定性，模型参数的先验分布通过前期的试验或者工程经验确定。3.根据权利要求1所述的一种基于耦合函数的机队维护数字孪生诊断和预测方法，其特征在于，步骤2包括，在机队内每个结构上获取使用载荷以及结构外载荷，从而作为结构数字孪生模型的输入。4.根据权利要求1所述的一种基于耦合函数的机队维护数字孪生诊断和预测方法，其特征在于，步骤3的具体实现方法为，基于步骤2采集到的使用载荷和结构外载荷，通过结构数字孪生模型预测结构疲劳损伤的演化，对于每个结构的疲劳裂纹扩展过程如下所示：对于疲劳裂纹扩展过程，系统的状态用裂纹长度a表示，裂纹长度的演化表示为：其中，为每个载荷循环的裂纹长度增量，ΔK是应力强度因子SIF的范围，μ是考虑不确定性的材料参数；使用裂纹长度a与不确定性的材料参数μ定义增广状态向量x
k
＝[μ
k
,a
k
]'，完整的状态空间模型建模为：y
k
＝a
k
+η
k
ꢀꢀꢀꢀ
(3)其中，k为时间步，y
k
是裂纹长度的观测值，ω
μ,k
是材料参数μ
k
演变中的噪声项，是裂纹扩展过程的噪声，服从高斯分布且η
k
是测量噪声，服从零均值高斯分布，ΔN为载荷循环步长；在裂纹扩展预测中，根据前一个时间步的状态变量x
k
‑1和两个相邻时间步之间的状态转换以预测状态向量x
k
，p(x
k
∣y
1:k
‑1)＝∫p(x
k
∣x
k
‑1)p(x
k
‑1∣y
1:k
‑1)dx
k
‑1ꢀꢀꢀꢀꢀ
(4)
当使用粒子滤波时，对每个粒子按照公式2预测时间步k的粒子状态，再计算粒子分布和均值。5.根据权利要求4所述的一种基于耦合函数的机队维护数字孪生诊断和预测方法，其特征在于，步骤4包括，当对机队内某个结构进行检查时，通过目视检查或者无损检测手段获取结构当前的损伤状态y
k
。6.根据权利要求5所述的一种基于耦合函数的机队维护数字孪生诊断和预测方法，其特征在于，步骤5的具体实现方法如下，当观测值y
k
可用时，使用y
k
更新状态变量x
k
的联合概率分布：其中，p(x
k
∣y
1:k
‑1)是观测模型的似然函数，p(y
k
∣x
k
)p(y
k
∣y
1:k
‑1)是一个归一化常数，当使用粒子滤波时，使用下式近似后验PDF，其中，N
s
是粒子滤波中的粒子个数，δ是狄拉克函数，是第i个粒子，是第i个粒子的重要性权重，这些粒子来自一个重要性密度该密度应该类似于所需的后验PDF并且p(x
k
∣y
1:k
)易于采样，重要性密度分布采用它...

【专利技术属性】
技术研发人员：董雷霆，周轩，代定强，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：