本發(fā)明涉及飛行器故障預(yù)測與健康管理，特別是涉及一種航空發(fā)電機(jī)壽命預(yù)測方法。

背景技術(shù)：

1、在飛行器故障預(yù)測與健康管理領(lǐng)域，為保障飛行器安全運(yùn)行和高效維護(hù)，飛行器剩余使用壽命(remaining?useful?life,rul)預(yù)測是關(guān)鍵核心技術(shù)，而rul概率密度函數(shù)(即概率rul)是維護(hù)維修建模的核心要素。目前，主流計(jì)算方法是基于隨機(jī)過程(如維納過程)構(gòu)建退化過程模型，在此基礎(chǔ)上推導(dǎo)概率rul。然而，公式推導(dǎo)過程復(fù)雜且分布函數(shù)經(jīng)過近似處理；并且，航空發(fā)電機(jī)退化趨勢復(fù)雜，導(dǎo)致概率rul推導(dǎo)難度加大；除此之外，概率rul并非標(biāo)準(zhǔn)的概率密度函數(shù)，在計(jì)算rul預(yù)測區(qū)間時，實(shí)際積分運(yùn)算難度增大，并在極端情況下出現(xiàn)錯誤。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明所要解決的技術(shù)問題是提供一種航空發(fā)電機(jī)壽命預(yù)測方法，能夠增加航空發(fā)電機(jī)概率rul的建模效率，提高發(fā)電機(jī)壽命預(yù)測的準(zhǔn)確度。

2、本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：提供一種航空發(fā)電機(jī)壽命預(yù)測方法，包括以下步驟：

3、構(gòu)建考慮三源不確定性的維納退化模型，用來表征航空發(fā)電機(jī)發(fā)電性能的退化過程，所述維納退化模型為以漂移系數(shù)、擴(kuò)散系數(shù)和測量誤差為不確定性量化要素的復(fù)雜維納退化模型；

4、基于所述航空發(fā)電機(jī)的歷史性能退化數(shù)據(jù)，擬合獲得所述維納退化模型的參數(shù)；

5、基于所述航空發(fā)電機(jī)的實(shí)時性能退化數(shù)據(jù)，更新所述漂移系數(shù)的后驗(yàn)分布參數(shù)；

6、基于更新后的所述維納退化模型，利用蒙特卡洛算法推演發(fā)電機(jī)未來退化數(shù)據(jù)，并預(yù)測獲得發(fā)電機(jī)的剩余使用壽命。

7、進(jìn)一步的，所述利用蒙特卡洛算法推演發(fā)電機(jī)未來退化數(shù)據(jù)，并預(yù)測獲得發(fā)電機(jī)的剩余使用壽命，包括：

8、基于所述漂移系數(shù)和所述測量誤差的分布函數(shù)，利用蒙特卡洛算法分別估計(jì)當(dāng)前所述漂移系數(shù)和當(dāng)前所述測量誤差；

9、設(shè)定退化測量值為實(shí)際退化量與所述測量誤差之和；

10、基于所述擴(kuò)散系數(shù)的分布函數(shù)利用蒙特卡洛算法估計(jì)擴(kuò)散增量，并利用所述擴(kuò)散增量根據(jù)所述維納退化模型更新所述實(shí)際退化量和所述退化測量值，重復(fù)該步驟直到當(dāng)前所述退化測量值超過退化失效閾值；

11、根據(jù)當(dāng)前以及上一時刻的所述退化測量值，利用插值法對首次退化到所述退化失效閾值的時間進(jìn)行修正，并記錄剩余使用壽命；

12、重復(fù)以上步驟，直到滿足設(shè)定的循環(huán)次數(shù)獲得電機(jī)壽命為所述剩余使用壽命的集合。

13、進(jìn)一步的，所述利用所述擴(kuò)散增量根據(jù)所述維納退化模型更新所述實(shí)際退化量和所述退化測量值，包括：

14、根據(jù)所述維納退化模型計(jì)算漂移增量；

15、計(jì)算獲得實(shí)際退化增量為所述漂移增量和所述擴(kuò)散增量之和；

16、根據(jù)所述實(shí)際退化增量更新所述實(shí)際退化量和所述退化測量值。

17、進(jìn)一步的，所述維納退化模型表示為

18、

19、其中，t是表征退化時間的自變量，y(t)是表征發(fā)電機(jī)性能退化狀態(tài)的因變量，λ(t；b)是非線性函數(shù)，b是非線性函數(shù)的系數(shù)，a是漂移系數(shù)，μa和σa是漂移系數(shù)的均值和方差，σb是擴(kuò)散系數(shù)，b(t)是標(biāo)準(zhǔn)布朗運(yùn)動，ε是測量誤差，σε2是測量誤差的方差。

20、進(jìn)一步的，所述漂移系數(shù)的后驗(yàn)分布參數(shù)是基于貝葉斯算法更新的。

21、進(jìn)一步的，基于貝葉斯算法更新的所述后驗(yàn)分布參數(shù)表示為

22、

23、其中，δt表示時間間隔，δyq表示第q-1個時間點(diǎn)tq-1與第q個時間點(diǎn)tq之間的退化增量，μak和σak表示基于發(fā)電機(jī)前k個性能退化數(shù)據(jù)更新的漂移系數(shù)。

24、進(jìn)一步的，所述三源不確定性包括個體差異性、時變不確定性和測量誤差。

25、進(jìn)一步的，所述航空發(fā)電機(jī)發(fā)電性能是通過其綜合健康指數(shù)來表征的。

26、進(jìn)一步的，所述維納退化模型的參數(shù)是通過極大似然估計(jì)來擬合獲得的。

27、有益效果

28、由于采用了上述的技術(shù)方案，本發(fā)明與現(xiàn)有技術(shù)相比，具有以下的優(yōu)點(diǎn)和積極效果：本發(fā)明基于航空發(fā)電機(jī)的復(fù)雜退化過程，采用蒙特卡洛仿真方法計(jì)算概率rul，規(guī)避了概率rul復(fù)雜的公式推導(dǎo)過程，能夠快速地構(gòu)建概率rul模型，使得概率rul計(jì)算簡單易行，能適應(yīng)復(fù)雜退化過程，從而實(shí)現(xiàn)航空發(fā)電機(jī)概率rul快速建模。

技術(shù)特征：

1.一種航空發(fā)電機(jī)壽命預(yù)測方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述利用蒙特卡洛算法推演發(fā)電機(jī)未來退化數(shù)據(jù)，并預(yù)測獲得發(fā)電機(jī)的剩余使用壽命，包括：

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述利用所述擴(kuò)散增量根據(jù)所述維納退化模型更新所述實(shí)際退化量和所述退化測量值，包括：

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述維納退化模型表示為

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述漂移系數(shù)的后驗(yàn)分布參數(shù)是基于貝葉斯算法更新的。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，基于貝葉斯算法更新的所述后驗(yàn)分布參數(shù)表示為

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述三源不確定性包括個體差異性、時變不確定性和測量誤差。

8.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述航空發(fā)電機(jī)發(fā)電性能是通過其綜合健康指數(shù)來表征的。

9.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述維納退化模型的參數(shù)是通過極大似然估計(jì)來擬合獲得的。

技術(shù)總結(jié)
本發(fā)明涉及一種航空發(fā)電機(jī)壽命預(yù)測方法，包括以下步驟：構(gòu)建考慮三源不確定性的維納退化模型，用來表征航空發(fā)電機(jī)發(fā)電性能的退化過程，所述維納退化模型為以漂移系數(shù)、擴(kuò)散系數(shù)和測量誤差為不確定性量化要素的復(fù)雜維納退化模型；基于所述航空發(fā)電機(jī)的歷史性能退化數(shù)據(jù)，擬合獲得所述維納退化模型的參數(shù)；基于所述航空發(fā)電機(jī)的實(shí)時性能退化數(shù)據(jù)，更新所述漂移系數(shù)的后驗(yàn)分布參數(shù)；基于所述維納退化模型，利用蒙特卡洛算法推演發(fā)電機(jī)未來退化數(shù)據(jù)，并預(yù)測獲得發(fā)電機(jī)的剩余使用壽命。本發(fā)明能夠增加航空發(fā)電機(jī)概率RUL的建模效率，提高發(fā)電機(jī)壽命預(yù)測的準(zhǔn)確度。

技術(shù)研發(fā)人員：黃兵,曹亮,劉瑩,徐智,張尚田,郭培培,姚曉涵,王景霖,單添敏,沈勇,肖紅玉
受保護(hù)的技術(shù)使用者：中國航空工業(yè)集團(tuán)公司上海航空測控技術(shù)研究所
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/21