一种基于加权灰靶理论的容错电机健康状态测定方法技术

本发明专利技术公开了基于加权灰靶理论的容错电机健康状态的测定方法，包括以下步骤：(1)首先引入灰靶理论，在没有标准模式的条件下设定一个灰靶，并在灰靶中找到靶心；(2)选取容错电机电磁转矩的频带能量值作为健康评估的状态指标；(3)运用小波包-灰色神经网络方法对频带能量值进行一步预测得到待识别模式序列后进行灰靶变换及靶心度计算；(4)基于靶心度分级原则，对容错电机的健康状态进行量化分级；(5)同时考虑在容错电机健康状态量化评估过程中不同频带的权重问题，运用灰贡献度对灰靶算法进行改进，从而判断系统处于何种程度的优劣状态，给出量化形式的系统健康状态，为制定容错暂态控制的策略打下基础。

【技术实现步骤摘要】
一种基于加权灰靶理论的容错电机健康状态测定方法
本专利技术涉及的是一种基于加权灰靶理论的容错电机健康状态测定方法。
技术介绍
电力作动系统是多电飞机、全电飞机是下一代战机的关键技术之一，它广泛的应用于飞机的操纵、环控、机轮刹车、燃油等影响飞行安全的关键系统，所以要求其具有高可靠性和高容错性外，不同的系统对电力作动系统还有其他的要求，如操纵系统还要求电力作动系统(主要指电机)具有较大的调速范围、快速起动制动和较强的抗干扰能力等，其性能的好坏直接影响着飞机的安全。目前，驱动电机及其驱动控制电路的容错结构设计已成为实现具有高可靠性的多电飞机、全电飞机电力作动系统的关键。对于容错电机，国内外学者已经进行了较为深入的研究，尤其是六相永磁容错电机(SPPMFTM)，由于其相数冗余和良好的故障隔离能力成为驱动电机的首选。但这些研究目前主要集中在电机的稳态运行及其故障后进行故障隔离并可继续运行，而对作动电机暂态过程研究甚少，虽然其持续的时间很短，但对电机的运行却是至关重要的，特别是在运行性能要求很高的战斗机电力作动系统中，处理不好会引起较大的转速变化、转矩脉动和机械振动，而作动系统的脉动对飞机的操控影响很大，直接关系到飞机的飞行安全。容错电机从一种运行状态到另一种运行状态的转换过程就是容错电机的暂态过程。为了使容错电机能在暂态过程中平稳工作，及早判断容错电机的健康状态是十分必要的。因此，研究电力作动系统的故障预测及健康评估，开发电力作动系统的健康管理，对克服电力作动系统的功能降级、故障状况给飞行安全带来的影响，及克服电力作动系统一次性故障即可导致灾难性飞行事故的“硬伤”，降低飞机的故障不可复现率(CND)及虚警，减少维护费用意义重大。近些年，我国在健康管理方面虽然做了不少工作，也取得了许多成果，但总体上都是对健康管理系统的整体构架和流程设计，对飞机的机载关键部件的健康管理的研究还不够深入，特别是对与战机飞行安全和作战效能息息相关的机电作动系统的健康监控与管理技术研究还未展开，与英美等国家存在不少差距。
技术实现思路
本专利技术针对容错电机的健康状态评估提供了一种基于加权灰靶理论的容错电机健康状态的测定方法。本专利技术的技术方案如下：基于加权灰靶理论的容错电机健康状态测定方法，包括以下步骤：(1)首先引入灰靶理论，在没有标准模式的条件下设定一个灰靶，并在灰靶中找到靶心；灰色系统理论以其所需信息量小，预测精度高而被广泛采用，用基于灰色系统理论的灰色关联度方法进行容错电机故障模式识别必须有标准的故障模式，但多数情况下并不知道标准故障模式，针对这一问题，提出应用灰靶理论进行容错电机故障模式识别的思想。灰靶理论是灰评估和灰决策理论。灰靶理论的要旨是在没有标准模式的条件下设定一个灰靶，通过灰靶理论在灰靶中找到靶心，然后将诸指标的模式与标准模式进行比较，最后经由等级划分确定评估等级。灰靶理论包括靶心度分析和贡献度分析两部分。a.靶心度分析定义：令ωi为多级性指标序列，P为ωi的命题，ωi＝(ωi(1)，ωi(2)，…，ωi(n))，i∈I＝{1，2，…，m}，k代表k个指标，则1.称ωi为P下灰模式；2.ωi(k)为P(θ)的第k个子命题，则称ωi(k)为i模式k指标的数据；3.K＝{1，2，…，n}为指标分布；称ωi为多极式模式。b.灰靶变换定义：令T为变换，若有Tω0＝x0，x0＝(x0(1)，x0(2)，…x0(n))＝(1，1，…，1)，有Tωi(k)＝xi(k)，并且满足Apr的含义为ωi(k)＝ω0(k)，则xi(k)＝1，|ω0(k)-ωi(k)|越小，则xi(k)越接近1，|ω0(k)-ωi(k)|越大，则xi(k)越远离(小于)1，xi(k)∈[0，1]，则1.称T为灰靶变换，或统一测度变换；2.称x0为标准靶心，或1化靶心。定义：令@GRF为灰关联因子集@GRF＝{xi|i∈I，xi＝Tωi，ωi∈@INU，T为灰靶变换}令ΔGR为@GRF上灰关联差异信息空间ΔGR＝(Δ，ζ，ΔDi(max)，ΔDi(min))，Δ＝{ΔDi(k)|i∈I＝{1，2，…，m}；k∈K＝{1，2，…，n}，ΔDi(k)＝|x0(k)-xi(k)|＝|1-xi(k)|，ζ＝0.5，则1.称γ(x0(k)，xi(k))为靶心系数2.称γ(x0，xi)为xi的靶心度c.灰靶贡献度模式由指标构成，模式的靶心度大小与指标有关。所谓灰靶贡献度就是研究指标对模式靶心度大小的影响。定义：令ΔGR为贡献因子集对应的灰关联差异信息空间ΔGR＝{Δ，ζ，Δmax(0，k)，Δmin(0，k))，Δi(0，k)＝|xi(0)-xi(k)|，则1.ΔGR上的灰关联系数：γ(xi(0)，xi(k))称为k指标在i点(模式)的贡献系数；2.灰关联度：γ(x(0)，x(k))称为k指标的贡献度。(2)选取容错电机电磁转矩的频带能量值作为健康评估的状态指标；电磁转矩不但直接反映了驱动电机的电压、电流、转速信息，还间接反映了机械传动部件的工作状态，其各频带的能量值更直观的反映出不同故障对系统带来的影响，因此用选取电磁转矩的频带能量值组成健康评估的状态指标模式序列是可行的。在建立机电作动系统的仿真模型的基础上，每隔固定的时间段，设定不同模式的故障，以驱动电机(容错电机)的输出电磁转矩为观测参数，对其进行一定频率的信号采集，并利用小波包分解的“能量-故障状态”特征提取的方法获取不同频带的能量特征值，这样随着时间推移各频段能量就构成时间序列。(3)运用小波包-灰色神经网络方法对频带能量值进行一步预测得到待识别模式序列后进行灰靶变换及靶心度计算；灰色预测模型具有所需数据少、不考虑分布规律、不考虑变化趋势、运算方便等特点，但用灰色GM(1，1)模型来进行数列预测，灰色建模是根据序列本身的数据来寻找规律进行预测，有时会出现预测误差较大的情形，且对多个相关序列同时预测时会出现多个相互独立的模型，以本文档来自技高网...

【技术保护点】
一种基于加权灰靶理论的容错电机健康状态测定方法，其特征在于，包括以下步骤：(1)首先引入灰靶理论，在没有标准模式的条件下设定一个灰靶，并在灰靶中找到靶心；然后将诸指标的模式与标准模式进行比较，最后经由等级划分确定评估等级；按命题信息域P(θ)的要求，在一组模式序列中，找出最靠近子命题Pi(θ)目标值的数据构造标准模式；然后各模式与标准模式一起构成灰靶，则标准模式即为灰靶的靶心；每一个灰关联差异信息空间的模式与靶心的灰关联度称靶心接近度，简称靶心度；基于靶心度进行模式识别、模式分级和模式选优；(2)选取容错电机电磁转矩的频带能量值作为健康评估的状态指标；(3)运用小波包?灰色神经网络方法对频带能量值进行一步预测得到待识别模式序列后进行灰靶变换及靶心度计算；(4)基于靶心度分级原则，对容错电机的健康状态进行量化分级；(5)同时考虑在容错电机健康状态量化评估过程中不同频带的权重问题，运用灰贡献度对灰靶算法进行改进，从而判断系统处于何种程度的优劣状态，给出量化形式的系统健康状态。

【技术特征摘要】
1.一种基于加权灰靶理论的容错电机健康状态测定方法，其特征在于，包括以下步骤：(1)首先引入灰靶理论，在没有标准模式的条件下设定一个灰靶，并在灰靶中找到靶心；然后将诸指标的模式与标准模式进行比较，最后经由等级划分确定评估等级；按命题信息域P(θ)的要求，在一组模式序列中，找出最靠近子命题Pi(θ)目标值的数据构造标准模式；然后各模式与标准模式一起构成灰靶，则标准模式即为灰靶的靶心；每一个灰关联差异信息空间的模式与靶心的灰关联度称靶心接近度，简称靶心度；基于靶心度进行模式识别、模式分级和模式选优；(2)选取容错电机电磁转矩的频带能量值作为健康评估的状态指标；(3)运用小波包-灰色神经网络方法对频带能量值进行一步预测得到待识别模式序列后进行灰靶变换及靶心度计算；(4)基于靶心度分级原则，对容错电机的健康状态进行量化分级；(5)同时考虑在容错电机健康状态量化评估过程中不同频带的权重问题，运用灰贡献度对灰靶算法进行改进，从而判断系统处于何种程度的优劣状态，给出量化形式的系统健康状态。2.根据权利要求1所述的基于加权灰靶理论的容错电机健康状态测定方法，其特征在于：所述步骤(3)的具体步骤如下：首先建立小波包-灰色神经网络预测模型整体框架；其次，设计小波包-灰色神经网络预测的步骤如下：①.取预测值数列中的第1个到第n-m个，第2个到第n-m+1个，...第m个到第n-1个，组成m个长度为n-m的...

【专利技术属性】
技术研发人员：雷晓犇，齐蓉，李颖晖，韩建定，李曙伟，谭海军，
申请(专利权)人：西北工业大学自动化学院，中国人民解放军空军工程大学，
类型：发明
国别省市：