【技术实现步骤摘要】
一种融合失效物理与数据驱动的燃油泵寿命预测方法
[0001]本专利技术涉及一种融合失效物理与数据驱动的燃油泵寿命预测技术,属于装备的装备的在线寿命预测的
技术介绍
[0002]机载燃油泵是飞机燃油系统的重要组成部分,然而,由于其工作环境复杂多变,工作过程中会受到振动、过载、高低温转换、油液侵蚀等环境应力的影响,因此经常会出现磨损、腐蚀、裂纹等故障,造成燃油泵输送燃油能力下降,影响着飞行安全及作战任务的顺利完成;因此,有必要对其失效寿命进行预测;目前寿命预测方法主要包括失效物理方法和数据驱动方法;其中,失效物理方法具有预测精度高的优点,但其模型参数难以确定、不能充分利用设备的运维数据、无法反应设备的实际退化情况等问题大大限制了其工程应用;而数据驱动分析方法对信息依赖性比较高、且无法反应设备的失效物理过程。
技术实现思路
[0003]本专利技术提供了一种基于失效物理与数据驱动融合的燃油泵在线退化建模与寿命预测方法,即能反应设备的失效物理过程、又能充分利用设备运维数据,实现对设备剩余寿命的精确预测。
[0004]为实现上述目的,本专利技术提供如下技术方案:一种基于失效物理与数据驱动融合的燃油泵寿命预测方法主要包含下面的步骤:1、通过开关卡尔曼滤波器(Switching Kalman Filter, SKF)对燃油泵退化阶段进行在线识别,确定快速退化阶段;2、建立描述快速退化阶段的失效物理与数据驱动融合退化模型;基于Archard模型的磨损公式为(1)表示磨损体积,表示磨损系数,表示接触对中 ...
【技术保护点】
【技术特征摘要】
1.一种基于基于失效物理与数据驱动融合的燃油泵寿命预测方法,其特征在于:包括以下步骤:步骤I、建立两个退化模型:分别构建一阶和二阶卡尔曼滤波器模型用于描述平稳退化过程和快速退化过程;步骤II、数据滤波处理:将实时获得的退化数据输入到各个滤波器模型,计算各滤波器对应的后验状态估计、后验估计协方差、测量残差和残差协方差;步骤III、退化阶段识别:计算各滤波器模型的概率,随着退化阶段的变化,各模型概率也会相应的发生变化,根据各模型概率的大小即可判断当前所处的退化阶段。2.根据权利要求1所述的基于长短周期记忆网络的寿命预测模型迁移方法,其特征在于:a、通过开关卡尔曼滤波器(Switching Kalman Filter, SKF)对燃油泵退化阶段进行在线识别,确定快速退化阶段;b、建立描述快速退化阶段的失效物理与数据驱动融合退化模型;基于Archard模型的磨损公式为(1)表示磨损体积...
【专利技术属性】
技术研发人员:崔展博,陈志明,王晨,薛智明,焦晓璇,任飞,郭金龙,雷春牛,周彦凯,赵新坤,李婷婷,王猛,王德辉,唐洪霞,王燕,李玉晓,魏娜,
申请(专利权)人:中国人民解放军第五七二一工厂,
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。