一種基于特征的復(fù)雜機(jī)電系統(tǒng)故障預(yù)報(bào)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于可靠性工程技術(shù)領(lǐng)域，涉及一種對(duì)工程上廣泛應(yīng)用的復(fù)雜機(jī)電系統(tǒng) (例如數(shù)控機(jī)床、軌道車輛照明系統(tǒng)、航空發(fā)動(dòng)機(jī)等）的故障進(jìn)行故障預(yù)報(bào)的方法。
【背景技術(shù)】
[0002] 目前，現(xiàn)有的對(duì)復(fù)雜機(jī)電系統(tǒng)的故障預(yù)報(bào)方法大都基于定量知識(shí)來進(jìn)行系統(tǒng)的故 障預(yù)報(bào)，這就要求建立被測(cè)系統(tǒng)的數(shù)學(xué)解析模型。然而，復(fù)雜機(jī)電系統(tǒng)一般具有多層子系 統(tǒng)、強(qiáng)耦合、時(shí)變性、非線性等特點(diǎn)，難以建立其準(zhǔn)確的數(shù)學(xué)模型。因此，傳統(tǒng)的基于系統(tǒng)解 析模型的定量故障預(yù)報(bào)方法很難對(duì)復(fù)雜機(jī)電系統(tǒng)進(jìn)行準(zhǔn)確的故障預(yù)報(bào)。
[0003] 由于復(fù)雜機(jī)電系統(tǒng)在運(yùn)行過程中會(huì)有各種定性知識(shí)，通過這種定性知識(shí)并結(jié)合一 定的定量信息，利用這種方法可以不需要建立復(fù)雜機(jī)電系統(tǒng)的數(shù)學(xué)解析模型，綜合利用了 系統(tǒng)運(yùn)行中的各種知識(shí)，提高了復(fù)雜機(jī)電系統(tǒng)故障預(yù)報(bào)的精度。因此，可以基于特征建立復(fù) 雜機(jī)電系統(tǒng)的非線性模型，利用混合方法對(duì)復(fù)雜機(jī)電系統(tǒng)進(jìn)行故障預(yù)報(bào)，來提高預(yù)報(bào)的準(zhǔn) 確性與實(shí)用性。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的是：提供一種基于特征的復(fù)雜機(jī)電系統(tǒng)建模方法，充分利用其在運(yùn) 行過程中得到的各種定量和定性知識(shí)，科學(xué)預(yù)報(bào)復(fù)雜機(jī)電系統(tǒng)行為的方法，以解決傳統(tǒng)的 基于數(shù)學(xué)解析模型進(jìn)行系統(tǒng)故障預(yù)報(bào)的方法難以建立完整準(zhǔn)確的數(shù)學(xué)解析模型而不能準(zhǔn) 確預(yù)報(bào)的問題。
[0005] 本發(fā)明的技術(shù)方案是：一種基于特征的復(fù)雜機(jī)電系統(tǒng)故障預(yù)報(bào)方法，方法結(jié)構(gòu)件 說明書附圖1，它包括以下步驟：
[0006] 第一步，分析復(fù)雜機(jī)電系統(tǒng)的故障類型及故障機(jī)理，確定復(fù)雜機(jī)電系統(tǒng)的特征量。
[0007]按照復(fù)雜機(jī)電系統(tǒng)自身特點(diǎn)及功能進(jìn)行分層，將復(fù)雜機(jī)電系統(tǒng)分成不同的子系 統(tǒng)，在分析每個(gè)子系統(tǒng)工作機(jī)理的基礎(chǔ)上，對(duì)其可能發(fā)生的故障進(jìn)行分類分析，分析故障發(fā) 生的原因及現(xiàn)象；確定復(fù)雜機(jī)電系統(tǒng)的特征量：就像人體系統(tǒng)的溫度、血壓等指標(biāo)能夠反 映其健康狀態(tài)一樣，復(fù)雜機(jī)電系統(tǒng)也有能夠反映其運(yùn)行狀態(tài)的特征量，在深入分析復(fù)雜機(jī) 電系統(tǒng)工作機(jī)理和故障機(jī)理的基礎(chǔ)上，確定復(fù)雜機(jī)電系統(tǒng)的子系統(tǒng)及每個(gè)子系統(tǒng)的特征 量。
[0008] 第二步，基于特征建立復(fù)雜機(jī)電系統(tǒng)的非線性模型。
[0009]設(shè)一個(gè)復(fù)雜機(jī)電系統(tǒng)由η個(gè)子系統(tǒng)組成，那么這個(gè)復(fù)雜機(jī)電系統(tǒng)的運(yùn)行狀態(tài)可表 示為：
[0010] f(t) =g(Ni(t),N2 (t), ···,Nn (t)) (1)
[0011] 另外，設(shè)任意一個(gè)子系統(tǒng)隊(duì)的特征量有m個(gè)，則此子系統(tǒng)N;的運(yùn)行狀態(tài)為：
[0012] 以隊(duì)⑴）=g' (&1α)，&2α)，···，&ηια)) ⑵將公式⑵代入到公式⑴即可 得到基于特征的復(fù)雜機(jī)電系統(tǒng)非線性模型：
[0013] y(t) =g(f) (3)
[0014] 第三步，利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行復(fù)雜機(jī)電系統(tǒng)故障分類與定位。
[0015] 建立復(fù)雜機(jī)電系統(tǒng)的兩級(jí)BP神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)故障定位和故障類型辨識(shí)。以子系統(tǒng) Nn(t)特征數(shù)據(jù)訓(xùn)練總網(wǎng)絡(luò)；用典型的ajt)故障特征數(shù)據(jù)分別訓(xùn)練分網(wǎng)絡(luò)。故障信號(hào)首先 經(jīng)過總網(wǎng)絡(luò)，實(shí)現(xiàn)故障部位定位；然后再將此故障信號(hào)輸入相應(yīng)部位的分網(wǎng)絡(luò)，進(jìn)行故障類 型識(shí)別。復(fù)雜機(jī)電系統(tǒng)兩級(jí)BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)見說明書附圖2。
[0016] 第四步，基于復(fù)雜機(jī)電系統(tǒng)特征模型及置信規(guī)則庫理論（BRB)建立其故障預(yù)報(bào)模 型。
[0017] 設(shè)復(fù)雜機(jī)電系統(tǒng)的各個(gè)特征量之間都是相互獨(dú)立的：
[0018] (1)對(duì)子系統(tǒng)隊(duì)進(jìn)行BRB規(guī)則的建立：
[0019] 對(duì)子系統(tǒng)隊(duì)選取合適的特征量ai(t),a2(t),…，am(t)，基于BRB建立每個(gè)特征量 的BRB規(guī)則，以任意一個(gè)特征量ani為例，如式⑷所示：
[0020]
[0021] 上式中，a= [ai，a2，...，aJ表示系統(tǒng)前提屬性的集合；#…4表 示由第k條規(guī)則輸入?yún)⒖贾邓鶚?gòu)成的集合；D=[DpD2,. . .，DJ表示結(jié)果向量；βk =
[βi,k，β2,k，. ..，βm,J表示由置信度構(gòu)成的向量；
[0022] (2)基于BRB建立特征量的故障預(yù)報(bào)模型：
[0023] 對(duì)于子系統(tǒng)隊(duì)的!11個(gè)特征量，基于BRB建立特征量的預(yù)測(cè)模型，見說明書附圖3。其 中，根據(jù)公式（4)得出BRB_1，BRB_2，…，BRB_m，即每個(gè)特征量的BRB規(guī)則，構(gòu)造BRB_(m+l)， 即：
[0024]
[0025] (3)復(fù)雜機(jī)電系統(tǒng)特征量參數(shù)優(yōu)化
[0026] BRB系統(tǒng)中的規(guī)則權(quán)重、前提屬性權(quán)重和置信度等參數(shù)通常由專家根據(jù)先驗(yàn)知識(shí) 和歷史信息給定，反映了專家對(duì)所研究對(duì)象的認(rèn)識(shí)程度。但是當(dāng)BRB系統(tǒng)比較復(fù)雜時(shí)，專家 難以確定這些參數(shù)的精確值。為了解決這一問題，利用基于數(shù)值觀測(cè)的優(yōu)化學(xué)習(xí)模型對(duì)BRB 參數(shù)模型進(jìn)行優(yōu)化。其基本思想是：根據(jù)可以獲取的有效信息，利用優(yōu)化模型對(duì)由專家給定 的初始BRB系統(tǒng)的參數(shù)進(jìn)行訓(xùn)練，使訓(xùn)練后的BRB系統(tǒng)能夠準(zhǔn)確地反映系統(tǒng)的行為。當(dāng)訓(xùn) 練數(shù)據(jù)是數(shù)值形式時(shí)，對(duì)于給定的輸入，希望BRB系統(tǒng)能夠產(chǎn)生輸出，使該輸出盡可能 地逼近。為了有效利用觀測(cè)信息對(duì)BRB系統(tǒng)中的規(guī)則權(quán)重0k、輸入權(quán)重Si、置信度 和評(píng)價(jià)結(jié)果D,的效用μ(D,)進(jìn)行訓(xùn)練，建立如下的優(yōu)化目標(biāo)：

[0028]在上式中，V= [Θk，δ;，β.jik,μ(Dj)]T表示由BRB系統(tǒng)參數(shù)構(gòu)成的列向量，且k= 1，…，L、i= 1，…，M、j= 1，…，N; 入Χηι的激勵(lì)下，BRB系統(tǒng)的期望輸出效用。
[0029] 第五步，利用混合方法實(shí)現(xiàn)對(duì)復(fù)雜機(jī)電系統(tǒng)的故障預(yù)報(bào)。
[0030] 在實(shí)現(xiàn)故障分類及定位后，將特征量輸入到預(yù)報(bào)模型中，得到系統(tǒng)最終決策結(jié) 果，。
【附圖說明】
[0031] 圖1是本發(fā)明方法的結(jié)構(gòu)圖；
[0032] 圖2是利用兩級(jí)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行故障預(yù)定位的結(jié)構(gòu)圖；
[0033] 圖3是基于BRB的故障預(yù)報(bào)模型圖。
【具體實(shí)施方式】
[0034] 一種基于特征模型的復(fù)雜機(jī)電系統(tǒng)故障預(yù)報(bào)方法，它包括以下步驟：
[0035] 步驟1:確定復(fù)雜機(jī)電系統(tǒng)的特征量；
[0036] 步驟2 :建立復(fù)雜機(jī)電系統(tǒng)運(yùn)行狀態(tài)非線性模型；
[0037] 步驟3 :利用兩級(jí)BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)故障預(yù)定位；
[0038] 步驟4 :建立基于BRB的復(fù)雜機(jī)電系統(tǒng)故障預(yù)報(bào)模型；
[0039] 步驟5:對(duì)復(fù)雜機(jī)電系統(tǒng)進(jìn)行故障預(yù)報(bào)，具體步驟如下：
[0040]步驟（1):根據(jù)特征變量&ηι的變化范圍和正常工作范圍，由專家 給出如式（5)所示的用于系統(tǒng)工作狀態(tài)決策的BRB_(m+l)。另外，給定閾值Bth。
[0041] 步驟⑵：根據(jù)專家知識(shí)和對(duì)系統(tǒng)機(jī)理模型的分析，建立如式⑷所示的m個(gè)特征 變量的預(yù)報(bào)模型。
[0042] 步驟（3):根據(jù)有效信息ajl)，. . .，ajt)，對(duì)預(yù)報(bào)模型中的參數(shù)進(jìn)行優(yōu)化。
[0043] 步驟（4):令t=t+Ι，轉(zhuǎn)到步驟（3);否則，轉(zhuǎn)到步驟5。
[0044] 步驟（5):首先，計(jì)算得到特征變量ani的預(yù)報(bào)值其中，p表示預(yù)報(bào)步數(shù)， 且p= 1，2.然后，根據(jù)圖2所示的預(yù)報(bào)模型和參數(shù)優(yōu)化算法，可計(jì)算出相對(duì)于"故障"的 置信度預(yù)報(bào)值BF(t+p);最后，根據(jù)閾值Bth和式（5)即可預(yù)報(bào)系統(tǒng)未來的故障情況。
【主權(quán)項(xiàng)】
1. 一種基于特征的復(fù)雜機(jī)電系統(tǒng)故障預(yù)報(bào)方法，它包含W下步驟： 第一步，分析復(fù)雜機(jī)電系統(tǒng)的故障類型及故障機(jī)理，確定復(fù)雜機(jī)電系統(tǒng)的特征量； 按照復(fù)雜機(jī)電系統(tǒng)自身特點(diǎn)及功能進(jìn)行分層，將復(fù)雜機(jī)電系統(tǒng)分成不同的子系統(tǒng)，在 分析每個(gè)子系統(tǒng)工作機(jī)理的基礎(chǔ)上，對(duì)其可能發(fā)生的故障進(jìn)行分類分析，分析故障發(fā)生的 原因及現(xiàn)象；確定復(fù)雜機(jī)電系統(tǒng)的特征量：就像人體系統(tǒng)的溫度、血壓等指標(biāo)能夠反映其 健康狀態(tài)一樣，復(fù)雜機(jī)電系統(tǒng)也有能夠反映其運(yùn)行狀態(tài)的特征量，在深入分析復(fù)雜機(jī)電系 統(tǒng)工作機(jī)理和故障機(jī)理的基礎(chǔ)上，確定復(fù)雜機(jī)電系統(tǒng)的子系統(tǒng)及每個(gè)子系統(tǒng)的特征量； 第二步，基于特征建立復(fù)雜機(jī)電系統(tǒng)的非線性模型； 設(shè)一個(gè)復(fù)雜機(jī)電系統(tǒng)由η個(gè)子系統(tǒng)組成，那么運(yùn)個(gè)復(fù)雜機(jī)電系統(tǒng)的運(yùn)行狀態(tài)可表示 為： y(t) =g(Ni(t),N2(t), ···,N" (t)) (1) 另外，設(shè)任意一個(gè)子系統(tǒng)Ni的特征量有m個(gè)，則此子系統(tǒng)N1的運(yùn)行狀態(tài)為： (ai(t),a2(t), ···,a"(t)) (2) 將公式（2)代入到公式（1)即可得到基于特征的復(fù)雜機(jī)電系統(tǒng)非線性模型：y(t) =g(f) (3) 第Ξ步，利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行復(fù)雜機(jī)電系統(tǒng)故障分類與定位； 第四步，基于復(fù)雜機(jī)電系統(tǒng)非線性模型及置信規(guī)則庫理論度RB)建立其故障預(yù)報(bào)模 型； 設(shè)復(fù)雜機(jī)電系統(tǒng)的各個(gè)特征量之間都是相互獨(dú)立的： (1) 對(duì)子系統(tǒng)Ni進(jìn)行BRB規(guī)則的建立： 對(duì)子系統(tǒng)Ni選取合適的特征量ai(t),a2(t)，…，am(t)，基于BRB建立每個(gè)特征量的BRB規(guī)則，如式（4)所示：上式中，a=[曰1，曰2, . . .，am]表示系統(tǒng)前提屬性的集合；{年，4-，...，名}表示 由第k條規(guī)則輸入?yún)⒖贾邓鶚?gòu)成的集合；D=扣ι，〇2，...，〇Μ]表示結(jié)果向量；i3k= [βl,k，β2,k，. ..，0M,k]表示由置信度構(gòu)成的向量； (2) 基于特征建立復(fù)雜機(jī)電系統(tǒng)的BRB故障預(yù)報(bào)模型： 對(duì)于子系統(tǒng)Ni的m個(gè)特征量，基于BRB建立特征量的預(yù)測(cè)模型，其中，根據(jù)公式（4)得 出BRB_1，BRB_2，…，BRB_m，即每個(gè)特征量的BRB規(guī)貝1J，構(gòu)造BRB_(m+l)，即：(3)復(fù)雜機(jī)電系統(tǒng)特征量參數(shù)優(yōu)化； 第五步，利用混合方法實(shí)現(xiàn)對(duì)復(fù)雜機(jī)電系統(tǒng)的故障預(yù)報(bào)； 在實(shí)現(xiàn)故障分類及定位后，將特征量輸入到預(yù)報(bào)模型中，得到系統(tǒng)最終決策結(jié)果。
【專利摘要】本發(fā)明公開了一種復(fù)雜機(jī)電系統(tǒng)故障預(yù)報(bào)方法。該方法包括以下步驟：1、分析復(fù)雜機(jī)電系統(tǒng)的故障類型及故障機(jī)理，確定復(fù)雜機(jī)電系統(tǒng)的特征量；2、基于特征建立復(fù)雜機(jī)電系統(tǒng)的非線性模型；3、利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行復(fù)雜機(jī)電系統(tǒng)故障分類與定位；4、基于復(fù)雜機(jī)電系統(tǒng)特征模型及置信規(guī)則庫理論(belief？rule？base，BRB)建立其故障預(yù)報(bào)模型；5、利用混合方法實(shí)現(xiàn)對(duì)復(fù)雜機(jī)電系統(tǒng)的故障預(yù)報(bào)。本發(fā)明不僅可以實(shí)現(xiàn)復(fù)雜機(jī)電系統(tǒng)的故障預(yù)定位，還可實(shí)現(xiàn)故障綜合評(píng)價(jià)，具有較高的預(yù)報(bào)精度，為復(fù)雜機(jī)電系統(tǒng)的安全可靠運(yùn)行提供有力保障，還可以作為復(fù)雜機(jī)電系統(tǒng)最優(yōu)維護(hù)與健康管理的有效參考分析，為節(jié)約復(fù)雜機(jī)電系統(tǒng)的維護(hù)開支打下基礎(chǔ)，有很好的工程應(yīng)用價(jià)值。
【IPC分類】G06K9/62
【公開號(hào)】CN105243393
【申請(qǐng)?zhí)枴緾N201510705226
【發(fā)明人】尹曉靜, 王占禮, 張邦成, 周志杰, 高智
【申請(qǐng)人】長春工業(yè)大學(xué)
【公開日】2016年1月13日
【申請(qǐng)日】2015年10月27日