使用故障建模的复杂系统的健康预测技术方案

本发明专利技术涉及使用故障建模的复杂系统的健康预测。一种使用故障模型和部件老化模型来提供复杂系统中的部件和子系统的健康状态预测的系统和方法。所述方法包括：使用故障特征试验结果来确定子系统的当前健康状态值；以及使用故障特征试验结果来确定子系统中的多个部件的当前健康状态值。所述方法还使用第一概率模型以及所述多个部件的当前健康状态值来确定不能使用故障特征试验结果的系统部件的当前健康状态值。所述方法使用部件老化模型来确定子系统中的部件的预测未来健康状态值，且使用第二概率模型和部件的未来健康状态值来确定子系统的预测未来健康状态值。

Health prediction of complex systems using fault modeling

The present invention relates to health prediction of complex systems using fault modeling. A system and method for providing health prediction of components and subsystems in a complex system using a fault model and a component aging model. The method includes determining the current health status of a subsystem by using a fault characteristic test result; and determining the current health status of a plurality of components in a subsystem by using a fault characteristic test result. The method also uses a first probability model and the current health status values of the plurality of components to determine the current health status of a system component that cannot be used as a result of a fault characterization test. The method uses the model to determine the components of aging prediction subsystem components in future health status, and with second probability model and component values to determine the future health status prediction subsystem of the future health status value.

【技术实现步骤摘要】

本专利技术总体上涉及一种用于确定复杂系统中的部件和子系统的未来健康状态的系统和方法，且更具体地涉及一种使用系统设计故障模型和部件老化模型来确定复杂系统中的部件和子系统的未来健康状态的系统和方法。
技术介绍
机动车辆是复杂的电气和机械系统，其采用许多部件、装置、模块、子系统等，使用精密算法和数据总线使电信息在彼此之间通过。如任何事物那样，这些类型的装置和算法易受误差、失效和故障，从而影响车辆操作。当发生这种误差和故障时，通常受影响的装置或部件将发出故障码，如诊断故障码(DTC)，故障码由识别所述故障或者一体式部件的一些辅助故障的一个或多个系统控制器接收。这些DTC可以通过维修技术人员和工程师分析以识别问题和/或做出系统校正和改进。定义在车辆中将发生的故障和可用于这些故障的补救措施的车辆故障模型在行业中变得越来越盛行。故障模型中的一种最简单表示是二维矩阵，其中，矩阵的行获得在车辆上将发生的故障模式，矩阵的列识别对于故障模式而言车辆将经历的故障现象。故障模型获得在故障模式和故障现象之间的因果相关性。各个故障现象可以是在车辆操作期间记录的信息或者在车辆维修时发生的信息。因而，通过在具体故障模式和对于故障模型中的这些故障模式而言车辆经受的故障现象之间的截面处设置指示符，维修人员可以基于发生的故障现象识别需要执行什么维修操作以校正具体故障。如上所述，故障建模已经用于诊断复杂车辆系统中的部件和子系统问题。诊断建模包括确定已经发生的问题的根本原因。用于诊断部件和子系统故障的已知故障建模方法可使用贝叶斯网络、动态贝叶斯网络、隐马尔科夫模型、模糊逻辑、信度网络(belief network),Petri网等。然而，故障建模迄今为止没有用于提供复杂系统的未来健康状态的预测。随着系统变得越来越复杂，提供系统健康预测的能力变得更困难，但是正是必要的。本领域还已知采用部件老化模型(如，Arrhenius方程模型、Paris方程模型等)来估计系统中的部件的年限。然而，这种老化模型没有扩展到系统，尤其是复杂系统。
技术实现思路
根据本专利技术的教导，公开了一种使用故障模型和部件老化模型来提供复杂系统中的部件和子系统的健康状态预测的系统和方法。所述方法包括收集故障特征试验结果； 使用故障特征试验结果来确定子系统的当前健康状态值；以及使用故障特征试验结果来确定子系统中的多个部件的当前健康状态值。所述方法还使用第一概率模型以及所述多个部件的当前健康状态值来确定不能使用故障特征试验结果的系统部件的当前健康状态值。所述方法使用部件老化模型来确定子系统中的部件的预测未来健康状态值，且使用第二概率模型和部件的未来健康状态值来确定子系统的预测未来健康状态值。所述方法然后确定子系统的预测健康状态值是否大于阈值；如果否，那么使用在预测健康状态值小于阈值时的时间确定子系统的剩余有用寿命。方案1. 一种用于确定系统中的子系统的健康状态的方法，所述方法包括 收集故障特征试验结果；使用故障特征试验结果来确定子系统的当前健康状态值； 使用故障特征试验结果来确定子系统中的多个部件的当前健康状态值； 使用第一概率模型以及通过故障特征试验结果确定的子系统的当前健康状态值和部件的当前健康状态值来确定不能使用故障特征试验结果的系统部件的当前健康状态值； 使用部件老化模型来确定子系统中的部件的预测未来健康状态值； 使用第二概率模型和部件的未来健康状态值来确定子系统的预测未来健康状态值； 确定子系统的预测健康状态值是否大于阈值；以及如果子系统的预测健康状态值小于阈值，那么确定子系统的剩余有用寿命。方案2.根据方案1所述的方法，还包括前移未来时间段以及当在未来时间时子系统的预测健康状态值小于阈值时确定子系统中的部件的预测未来健康状态值并确定子系统的预测健康状态值。方案3.根据方案1所述的方法，其中，使用第二概率模型来确定子系统的预测未来时段健康状态值包括使用选自以下组的故障模型贝叶斯网络模型、动态贝叶斯网络模型、隐马尔科夫模型、模糊逻辑模型、信度网络模型和Petri网模型。方案4.根据方案1所述的方法，其中，老化模型选自以下组=Arrhenius方程老化模型和Paris方程老化模型。方案5.根据方案1所述的方法，其中，使用老化模型确定预测健康状态值包括使用以下方程权利要求1.一种用于确定系统中的子系统的健康状态的方法，所述方法包括 收集故障特征试验结果；使用故障特征试验结果来确定子系统的当前健康状态值； 使用故障特征试验结果来确定子系统中的多个部件的当前健康状态值； 使用第一概率模型以及通过故障特征试验结果确定的子系统的当前健康状态值和部件的当前健康状态值来确定不能使用故障特征试验结果的系统部件的当前健康状态值； 使用部件老化模型来确定子系统中的部件的预测未来健康状态值； 使用第二概率模型和部件的未来健康状态值来确定子系统的预测未来健康状态值； 确定子系统的预测健康状态值是否大于阈值；以及如果子系统的预测健康状态值小于阈值，那么确定子系统的剩余有用寿命。2.根据权利要求1所述的方法，还包括前移未来时间段以及当在未来时间时子系统的预测健康状态值小于阈值时确定子系统中的部件的预测未来健康状态值并确定子系统的预测健康状态值。3.根据权利要求1所述的方法，其中，使用第二概率模型来确定子系统的预测未来时段健康状态值包括使用选自以下组的故障模型贝叶斯网络模型、动态贝叶斯网络模型、隐马尔科夫模型、模糊逻辑模型、信度网络模型和Petri网模型。4.根据权利要求1所述的方法，其中，老化模型选自以下组=Arrhenius方程老化模型和Paris方程老化模型。5.根据权利要求1所述的方法，其中，使用老化模型确定预测健康状态值包括使用以下方程6.根据权利要求1所述的方法，其中，使用故障特征试验结果来确定多个部件的当前健康状态值包括基于传感器读数、测量值、模拟值和专家知识来使用故障特征试验结果。7.根据权利要求1所述的方法，其中，所述系统是车辆系统。8.根据权利要求7所述的方法，其中，所述车辆系统是车辆电气系统。9.一种用于确定系统中的子系统的健康状态的方法，所述方法包括 使用部件老化模型来确定子系统中的多个部件的预测未来健康状态值； 使用概率模型和预测未来健康状态值来确定子系统的预测未来健康状态值； 确定子系统的预测健康状态值是否大于阈值；以及如果子系统的预测健康状态值小于阈值，那么确定子系统的剩余有用寿命。10.一种用于确定复杂系统中的子系统的健康状态的系统，所述系统包括 收集故障特征试验结果的装置；使用故障特征试验结果来确定子系统的当前健康状态值的装置； 使用故障特征试验结果来确定子系统中的多个部件的当前健康状态值的装置； 使用第一概率模型以及所述多个部件的健康状态值来确定不能使用故障特征试验的系统部件的当前健康状态值的装置；使用部件老化模型来预测子系统中的部件的未来健康状态值的装置；使用第二概率模型和部件的未来健康状态值来确定子系统的预测未来健康状态值的装置；确定子系统的预测健康状态值是否大于阈值的装置；以及如果子系统的预测健康状态值小于阈值，那么确定子系统的剩余有用寿命的装置。全文摘要本专利技术涉及使用故障建模的复杂系统的健康预测。一种使用故障模型和部件老化模型来提供复杂系统中的部件和子系统的本文档来自技高网...

【技术保护点】
１．一种用于确定系统中的子系统的健康状态的方法，所述方法包括：收集故障特征试验结果；使用故障特征试验结果来确定子系统的当前健康状态值；使用故障特征试验结果来确定子系统中的多个部件的当前健康状态值；使用第一概率模型以及通过故障特征试验结果确定的子系统的当前健康状态值和部件的当前健康状态值来确定不能使用故障特征试验结果的系统部件的当前健康状态值；使用部件老化模型来确定子系统中的部件的预测未来健康状态值；使用第二概率模型和部件的未来健康状态值来确定子系统的预测未来健康状态值；确定子系统的预测健康状态值是否大于阈值；以及如果子系统的预测健康状态值小于阈值，那么确定子系统的剩余有用寿命。

【技术特征摘要】
...

【专利技术属性】
技术研发人员：Y·张，M·A·萨尔曼，KK·善，S·拉贾戈帕兰，M·N·豪厄尔，X·唐，H·S·裴，
申请(专利权)人：通用汽车环球科技运作有限责任公司，
类型：发明
国别省市：US