飞行器健康管理技术通过监测飞行器关键部件的工作状态,诊断和预测潜在或已有的故障,结合具体需求对系统的维护工作给出指导性建议,对确保系统安全运行、避免事故发生,并促使系统发挥最大效能,具有重要的现实意义。在飞行器健康管理体系中,故障预测是极其重要的内涵之一,对于降低使用与保障费用、提高设备系统安全性和可靠性具有十分关键的作用。但目前大多数预测方法还并不成熟,距离工程应用尚有一定距离,而且在飞行器故障预测的实施过程中,还存在不确定性因素干扰、先验知识缺乏、预测算法准确度不高以及预测结果的不确定性管理等问题。针对这些问题,本文以直升机传动系统动部件以及航天飞行器的锂离子电池为研究对象,开展了面向飞行器健康管理的故障预测方法研究,具体的研究内容包括以下四点。1、深入分析了由于机械结构的慢变损伤演化导致的相空间轨迹产生微小曲变的现象,提出一种基于相空间曲变的损伤跟踪方法。利用多时间尺度耦合的动力学系统,建立连接快变的振动信号与慢变损伤的耦合模型。通过量化相空间曲变构建信号损伤演化的跟踪函数和跟踪矩阵,采用平滑正交分解方法将跟踪矩阵中分别由实际损伤劣化和工况变化造成的演化趋势进行分离。研究表明,基于相空间曲变的方法能够利用快变的振动信号实现对慢变损伤演化趋势的跟踪,排除工况变化造成的影响。但同时也存在计算量大,趋势跟踪结果定量困难的问题。2、深入研究了复杂工况下基于相关向量回归的退化状态识别方法。(1)针对变工况条件下的轴承健康监测问题,提出了一种基于相关向量机的自适应阈值方法,利用相关向量机拟合退化特征随工况参数的变化关系,构建自适应阈值模型。根据变工况下的退化特征与自适应阈值之间的关系识别设备当前的健康状态。(2)针对开路电压法的不足之处进行改进,提出了一种锂离子电池的荷电状态估计方法。建立基于Thevenin的等效电路模型,通过模型辨识得到端电压、充/放电电流以及循环次数与荷电状态的对应关系,并采用相关向量拟合的方法来建立荷电状态估计模型,实现在多种工况因素影响下的荷电状态估计。研究表明,相关向量回归方法能够很好的解决构建识别模型过程中存在的拟合问题,稀疏性好,避免了过拟合的现象。对轴承和锂离子电池数据的处理结果表明,在以上两种复杂工况条件下,该方法都能够有效识别目标设备的退化状态。3、在相关向量回归预测方法的基础上,提出一种结合退化模型和相关向量机的预测方法。根据目标设备选择并提取能够反映设备退化趋势的预测特征,对历史观测数据进行最小二乘拟合以确定合适的退化模型。然后利用相关向量机从预测特征序列中提取具有代表性的相关向量,构建稀疏数据集。再结合退化模型进行拟合并外推预测,根据预测特征对应的失效阈值,估计设备的剩余使用寿命。研究表明,结合相关向量机与退化模型的故障预测方法对于预测特征与故障退化的趋势一致性要求较高,对于中短期预测有较好的预测准确率,计算量小,能为设备剩余使用寿命的在线预测提供参考。4、详细分析了基本粒子滤波算法用于故障预测的具体实现步骤,及其在模型选择和模型参数初始化方面的不足,提出了一种基于退化速率跟踪粒子滤波的通用预测模型和相应的预测框架。结合历史观测数据的退化速率统计规律,来实现对退化状态的跟踪和预测,摆脱了对预测模型的依赖,通过轴承和锂离子电池的剩余使用寿命预测验证了预测模型的有效性。研究表明,相对于基本粒子滤波预测方法,该预测框架简化了选择粒子滤波先验预测模型和确定模型参数初始分布这两个步骤,具有更好的通用性,充分利用了历史数据的先验信息,预测结果的准确率更高,同时可以提供物理意义更加明确的不确定度信息。总之,本文针对飞行器健康管理中的故障预测关键问题,分别采用相空间曲变、相关向量机和粒子滤波等非线性动力学方法建立相应的预测模型,解决了复杂工况条件下的损伤跟踪、退化状态识别问题,提高了设备剩余使用寿命预测的准确性,能够提供有效的预测结果不确定度信息,并通过案例应用验证了本文提出的方法的有效性。