面向裝備健康狀態(tài)評(píng)估的可測(cè)性設(shè)計(jì)關(guān)鍵技術(shù)研究.pdf

1、高新技術(shù)裝備復(fù)雜度及集成度的急劇增加給裝備的測(cè)試維修帶來了極大的挑戰(zhàn)。為減少裝備的維修費(fèi)用，提高裝備的可用性和戰(zhàn)斗力，裝備的維修保障模式已由傳統(tǒng)的事后維修、定期維修向基于狀態(tài)的維修、預(yù)知維修及自主維修等新型維修模式轉(zhuǎn)變。健康狀態(tài)評(píng)估（HSE）作為這些新型保障體系中的關(guān)鍵技術(shù)，能有效觸發(fā)自主維修的決策機(jī)制，是實(shí)現(xiàn)自主維修的前提和基礎(chǔ)。裝備HSE性能水平的提高極大依賴于裝備對(duì)故障的測(cè)試和感知能力，在裝備設(shè)計(jì)階段并行開展可測(cè)性設(shè)計(jì)能有效解決這

2、一問題。為此，本文在部委級(jí)重點(diǎn)預(yù)研基金項(xiàng)目“面向裝備健康管理的可測(cè)性設(shè)計(jì)理論與技術(shù)”和國(guó)家自然科學(xué)基金項(xiàng)目“基于故障演化測(cè)試時(shí)效性的健康管理可測(cè)性機(jī)制與傳感優(yōu)化選擇方法”的支持下，從面向HSE的可測(cè)性建模與預(yù)計(jì)、測(cè)試優(yōu)化選擇、傳感優(yōu)化選擇以及健康狀態(tài)評(píng)估推理等方面，開展了面向HSE的可測(cè)性設(shè)計(jì)關(guān)鍵技術(shù)研究。本研究主要內(nèi)容包括：
　?、琶嫦蜓b備健康狀態(tài)評(píng)估的可測(cè)性建模與預(yù)計(jì)。針對(duì)面向HSE的可測(cè)性設(shè)計(jì)需要建立裝備中故障演化與可利用測(cè)

3、試關(guān)聯(lián)關(guān)系的核心要求，本文擴(kuò)展了傳統(tǒng) FMECA的內(nèi)容，新增故障演化機(jī)制分析，提出了故障模式、演化機(jī)制、影響及危害度的分析方法。以此為基礎(chǔ)，闡述了基于故障演化可測(cè)性建模的基本原理、流程和方法。首先，通過分析裝備中與故障嚴(yán)重程度相關(guān)的故障征兆參數(shù)，建立故障模式與故障征兆的布爾關(guān)系矩陣；其次，通過鍵合圖分析方法建立各個(gè)征兆參數(shù)與測(cè)試的相關(guān)性矩陣，該矩陣描述了表征故障嚴(yán)重程度的征兆參數(shù)在裝備中測(cè)試節(jié)點(diǎn)上的響應(yīng)。以上兩個(gè)相關(guān)性矩陣描述了裝備中故

4、障演化與測(cè)試的相關(guān)關(guān)系。同時(shí)，根據(jù)HSE對(duì)可測(cè)性預(yù)計(jì)提出的新需求，本文在故障可檢測(cè)率、故障可隔離率基礎(chǔ)上，新增了故障可跟蹤率與故障可預(yù)測(cè)率，以這四個(gè)可測(cè)性指標(biāo)分別描述裝備對(duì)故障的檢測(cè)、隔離、跟蹤及預(yù)測(cè)能力，并提出了面向HSE的可測(cè)性預(yù)計(jì)策略與方法，為面向HSE的可測(cè)性方案設(shè)計(jì)和基于故障演化可測(cè)性模型的HSE推理奠定了基礎(chǔ)。
　?、泼嫦蜓b備健康狀態(tài)評(píng)估的可測(cè)性方案設(shè)計(jì)。面向HSE的可測(cè)性方案設(shè)計(jì)的核心關(guān)鍵之一是“測(cè)試項(xiàng)目選擇”和“傳

5、感手段選擇”。為此，本文提出了基于故障演化可測(cè)性模型的測(cè)試優(yōu)化選擇方法和基于時(shí)效性及敏感性的傳感優(yōu)化選擇方法?；谘b備的故障演化可測(cè)性模型及面向HSE的可測(cè)性預(yù)計(jì)結(jié)果，以測(cè)試數(shù)目最低為優(yōu)化目標(biāo)，分別考慮內(nèi)、外部測(cè)試的可測(cè)性指標(biāo)約束，建立了基于故障演化可測(cè)性模型的測(cè)試優(yōu)化選擇模型；綜合遺傳算法較好的全局尋優(yōu)能力及模擬退火算法良好的局部搜索能力的特點(diǎn)，給出基于自適應(yīng)遺傳退火算法的測(cè)試優(yōu)化選擇模型的求解流程。針對(duì)優(yōu)化選擇出的測(cè)試集，分析與測(cè)試

6、節(jié)點(diǎn)相對(duì)應(yīng)的傳感手段屬性，從傳感對(duì)故障的時(shí)效性及敏感性兩個(gè)方面，建立傳感對(duì)故障演化過程的可跟蹤能力和對(duì)故障早期狀態(tài)可檢測(cè)能力的量化指標(biāo)。在此基礎(chǔ)上，根據(jù)設(shè)計(jì)任務(wù)要求分析內(nèi)、外部傳感設(shè)計(jì)的優(yōu)化目標(biāo)和約束，并考慮多個(gè)傳感實(shí)現(xiàn)一個(gè)測(cè)試和一個(gè)傳感實(shí)現(xiàn)多個(gè)測(cè)試兩種情況，建立基于時(shí)效性及敏感性的傳感優(yōu)化選擇模型；針對(duì)模型多目標(biāo)、多約束、非線性等特點(diǎn)，給出了基于自適應(yīng)遺傳退火算法的傳感優(yōu)化選擇模型的求解流程。
　?、腔诠收涎莼蓽y(cè)性模型的健康

7、狀態(tài)評(píng)估推理。針對(duì)健康狀態(tài)的靜/動(dòng)態(tài)評(píng)估問題，考慮裝備故障模式的相關(guān)屬性，使用離散的健康狀態(tài)表征故障演化過程中故障的嚴(yán)重程度，根據(jù)測(cè)試對(duì)不同故障嚴(yán)重程度的響應(yīng)區(qū)間，使用廣義測(cè)試對(duì)測(cè)試區(qū)間進(jìn)行劃分。進(jìn)而，結(jié)合可測(cè)性方案優(yōu)化設(shè)計(jì)后生成的故障演化可測(cè)性模型，建立裝備健康狀態(tài)與廣義測(cè)試的相關(guān)性矩陣。在此基礎(chǔ)上，考慮測(cè)試輸出不確定性因素，以貝葉斯靜/動(dòng)態(tài)推理理論為基礎(chǔ)，構(gòu)建了基于健康狀態(tài)-廣義測(cè)試的靜/動(dòng)態(tài) HSE推理模型。針對(duì)該模型約束復(fù)雜，目

8、標(biāo)函數(shù)非線性的問題，提出一種基于拉格朗日-自適應(yīng)遺傳算法的HSE模型求解策略。該方法通過拉格朗日乘子松弛模型約束，把拉格朗日算子作為可自適應(yīng)選擇的染色體，使用自適應(yīng)遺傳算法進(jìn)行種群的交叉、變異，大大地減少了算法迭代時(shí)間并有效提高了HSE精度。
　　⑷軟件平臺(tái)開發(fā)與驗(yàn)證案例研究?；谏鲜鲅芯砍晒?，設(shè)計(jì)開發(fā)了面向HSE的可測(cè)性設(shè)計(jì)軟件。以電動(dòng)舵機(jī)系統(tǒng)為對(duì)象，應(yīng)用本軟件開展了面向舵機(jī)系統(tǒng)健康狀態(tài)評(píng)估的可測(cè)性建模與預(yù)計(jì)、測(cè)試優(yōu)化選擇、傳感