论文部分内容阅读
随着系统和设备向着小型化、复杂化及智能化方向的不断发展,系统或设备自身的可靠性、安全性、可维修保障性及维修保障费用等问题日渐突出。因此,近些年发展起来的以系统状态信息监测、故障诊断和预测以及维修决策为主要内容的预测和健康管理(PHM)将成为未来自主保障系统的重要基础和研究热点。本文以一般意义上的空间电子系统为对象对PHM系统的体系结构和部分关键技术进行研究及应用,包括硬件平台的设计和软件算法的应用,具体的研究内容和工作如下:(1)建立一般最小电子系统“自主”健康管理的体系结构。在分析和总结两类典型PHM体系结构的基础上,按照逻辑功能分层级的思想设计了本文研究的体系结构,并对其中的若干关键技术进行了简要概括。(2)构建空间环境下电子系统的健康指标体系。作为健康管理系统研究的第一步,指标体系的构建是在总结其构建原则和方法的基础上完成,然后以集成了数据采集和传输方式的1-Wire传感器为基础,设计和实现了针对空间电子系统故障模拟、指标验证的硬件数据平台,并选择其中的一组指标作为整个研究的数据基础。(3)建立基于聚类算法的系统健康状态模型。在健康管理系统“自主性”的要求下,利用聚类算法和累积的历史数据经无监督分类过程建立系统的数据状态模型。经分析和验证,分别应用FCM算法和本文提出的一种拟人聚类算法完成整体上的粗分类和模式内的细分类。(4)以状态模型为基础评估系统某时刻的状态。根据纯数据的状态模型和即时时刻的状态参数,可将状态评估问题转化为基于样本和标准集的模式识别问题,本文研究时分别采用三种识别方法进行状态评估的应用验证,结果表明其中的基于统计模式的模糊模式识别方法最为合理可行。(5)利用系统指标的趋势预测完成系统状态的趋势预测。将表征状态的指标的时间序列进行分析和处理,再利用基于数据驱动的预测方法进行预测。本文先后采用灰色预测模型和BP神经网络进行研究,对比显示后者在波动序列的预测上性能更好。