基于M―DSSE及RVM航空机电设备健康状态预测.docVIP

基于M―DSSE及RVM航空机电设备健康状态预测 　　摘要：对于一些本身结构比较复杂和精密的设备，如航空机电设备，其故障呈现出渐发性的特点，而且一旦发生故障，将会带来非常严重的后果。因此，做好设备健康状态的评估和预测，及时对设备进行检修维护，是保障设备安全稳定运行，防止安全事故发生的关键。本文以提出了基于多距离形态相似度评估（M-DSSE）以及相关向量机（EVM）的航空机电设备健康状态预测方法，实践证明，该方法得到的结果与实际情况相吻合 Abstract： For some complex and sophisticated equipment， such as aeronautical electromechanical equipment， its failure is characterized by gradual development， and once failure occurs， it will bring very serious consequences. Therefore， to do a good job of equipment health assessment and forecast， and timely maintenance and repair of equipment is the key to ensure the safe and stable operation of equipment to prevent the occurrence of security accidents. In this paper， we propose a method to forecast the health status of aeronautical electromechanical equipment based on multi-distance morphological similarity assessment （M-DSSE） and correlation vector machine （EVM）. The results show that the method is consistent with the actual situation. ?P键词：M-DSSE；RVM；航空机电设备健康状态预测 Key words： M-DSSE；RVM；aviation mechanical and electrical equipment health status prediction 中图分类号：TV734 文献标识码：A 文章编号：1006-4311（2017）11-0158-02 0 引言 在自动化、智能化技术飞速发展的带动下，各类机电设备不断涌现，在许多领域中发挥着重要作用，而这些机电设备本身相对复杂，为了保证其运行安全，需要做好设备的状态监测和评估。健康状态预测是指通过对设备运行状态的评估，获取相应的健康指数，借以分析设备健康状态的变化趋势，明确维修方案，以减少设备故障发生的几率 1 健康状态的评估和预测 1.1 健康状态评估 健康指数HI是健康评估的表示方式，其取值在0-1之间，数值越高，表明设备的越健康，反之，则表明设备存在功能性故障，需要及时进行维修和更换。就目前而言，健康状态评估的一般方法有两种，一是基于模型驱动的方法，需要在深入了解设备故障机理的前提下，经全面分析，确定可以体现设备性能退化的健康指标，在监测信息与设备性能退化之间，构建相应的关联模型，实现对设备健康状态的有效评估。这种方法不要求大量的监测数据，而且准确度较高，不过受设备故障模式差异以及性能退化进程随机性的影响，并不能准确构建退化模型；二是基于数据驱动的方法，主要是构建检测信息与设备性能退化之间的关系模型，适用于对设备全寿命周期健康状态的评估，具体来讲，包括有相似度评估法、组合赋值法等，以相似度评估法为例，主要是结合已有样本和测试样本，计算相似关联度，归化为健康指标，以完成对设备健康状态的评估，在实际应用中，需要结合具体问题，选择合适的关联度计算方法[1] 1.2 健康状态预测 设备健康状态预测的主要目的，是结合健康状态评估得到的健康指数，预测未来一段时间内设备的健康状态，判断剩余寿命、设备运行风险和故障时间，从而为制定科学的维修决策提供参考。在当前的环境下，基于数据驱动的健康状态预测方法包括神经网络理论以及相关向量机RVM、时间序法、灰色数学法、专家系统法等，相比较而言，RVM是在支持向量机的基础上进行的眼神，能够有效解决设备健康预测中存在的各种问题，也因此备受关注 2 设备健康状态预测模型 2.1 基于M-DSSE的