【摘要】：近年來(lái)航空、航天、船舶等復(fù)雜裝備系統(tǒng)的安全性、可靠性成為人們關(guān)注的焦點(diǎn)。由于其結(jié)構(gòu)復(fù)雜，一旦發(fā)生故障則會(huì)造成巨大的損失。因此，迫切需要提高復(fù)雜裝備系統(tǒng)的可靠性、可修復(fù)性和安全性。然而，目前故障診斷領(lǐng)域的研究工作主要集中在研究系統(tǒng)的狀態(tài)評(píng)價(jià)和故障診斷方面，所關(guān)心的是系統(tǒng)“當(dāng)前”的運(yùn)行狀態(tài)，對(duì)系統(tǒng)故障預(yù)測(cè)與健康管理的研究則較少。這種傳統(tǒng)的“事后維修”和“計(jì)劃維修”方法，在應(yīng)對(duì)瞬息萬(wàn)變的新情況時(shí)存在嚴(yán)重不足�！耙暻榫S修”和“預(yù)知維修”將故障消滅在萌芽狀態(tài)，成為未來(lái)系統(tǒng)維護(hù)保障的發(fā)展方向。 所以，近些年關(guān)于故障預(yù)測(cè)與健康管理（Prognostic and Health Management，PHM）方面的研究成為國(guó)內(nèi)外學(xué)者的研究熱點(diǎn)，PHM技術(shù)代表著故障診斷技術(shù)從傳統(tǒng)的基于傳感器的診斷向基于智能系統(tǒng)的預(yù)測(cè)轉(zhuǎn)變。但是，目前國(guó)內(nèi)在這方面的研究剛剛起步，研究成果較少。本文針對(duì)復(fù)雜裝備PHM技術(shù)中涉及的關(guān)鍵理論和技術(shù)開(kāi)展研究，主要內(nèi)容包括： 第一，復(fù)雜裝備PHM服務(wù)模式研究。針對(duì)目前故障診斷資源缺乏有效的組織管理，資源共享率低等問(wèn)題，通過(guò)分析復(fù)雜裝備的特點(diǎn)與傳統(tǒng)故障診斷模式的不足，提出一種面向服務(wù)的PHM系統(tǒng)架構(gòu)。研究了系統(tǒng)服務(wù)模式和特點(diǎn)，分析了系統(tǒng)構(gòu)建過(guò)程中所需的關(guān)鍵技術(shù)及主要功能模塊，為復(fù)雜裝備領(lǐng)域開(kāi)展公共PHM系統(tǒng)服務(wù)平臺(tái)研究提供一種新思路。 第二，數(shù)據(jù)降維與故障診斷技術(shù)研究。故障診斷是PHM的核心內(nèi)容，針對(duì)復(fù)雜裝備高維、非線性、早期故障難以識(shí)別等特點(diǎn)，提出一種基于非線性流形學(xué)習(xí)和混合隱馬爾科夫模型（Hidden Markov Model，HMM）的故障診斷方法�；旌螲MM模型將系統(tǒng)狀態(tài)分為正常狀態(tài)、間歇故障、中間狀態(tài)和故障狀態(tài)，以全面反映系統(tǒng)真實(shí)狀態(tài)。通過(guò)局部保持投影算法（Locality preserving projection，LPP）將原始高維故障數(shù)據(jù)映射至低維空間，提取數(shù)據(jù)的內(nèi)在流形特征作為特征矢量；利用混合HMM作為分類器實(shí)現(xiàn)對(duì)各狀態(tài)的分類識(shí)別。通過(guò)仿真分析，將該方法與其它方法進(jìn)行對(duì)比，結(jié)果表明，LPP-HMM方法可以有效識(shí)別早期故障特征，具有較高的故障識(shí)別率。 第三，時(shí)間序列狀態(tài)預(yù)測(cè)技術(shù)研究。故障預(yù)測(cè)是PHM的關(guān)鍵，針對(duì)漸變性故障類型，提出基于自回歸滑動(dòng)平均模型(Auto-Regressive and Moving Average Model，，ARMA)和人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，ANN）的狀態(tài)預(yù)測(cè)方法。利用ARMA模型在捕捉時(shí)間序列線性部分的優(yōu)勢(shì)和ANN處理非線性時(shí)間序列的良好性能，建立混合預(yù)測(cè)模型。采用ARMA模型建模時(shí)間序列的線性部分，通過(guò)序列余項(xiàng)建立神經(jīng)網(wǎng)絡(luò)模型，實(shí)現(xiàn)非線性部分建模�；谠摶旌夏Ｐ�，以某型號(hào)衛(wèi)星遙測(cè)電壓數(shù)據(jù)為例，實(shí)現(xiàn)對(duì)遙測(cè)參數(shù)的靜態(tài)模型預(yù)測(cè)和動(dòng)態(tài)模型預(yù)測(cè)，實(shí)驗(yàn)結(jié)果表明混合動(dòng)態(tài)模型具有較高的預(yù)測(cè)精度�；诨旌夏Ｐ停赃b測(cè)壓力數(shù)據(jù)為例實(shí)現(xiàn)了一種狀態(tài)監(jiān)測(cè)方法，實(shí)驗(yàn)表明該方法可以有效降低故障虛警率。 第四，故障知識(shí)建模及服務(wù)技術(shù)研究。故障知識(shí)管理是PHM的基礎(chǔ)，針對(duì)目前故障診斷知識(shí)資源重用率低、知識(shí)斷層嚴(yán)重等問(wèn)題，提出基于領(lǐng)域本體的故障知識(shí)建模和服務(wù)技術(shù)。首先，提出靜態(tài)和動(dòng)態(tài)兩類故障知識(shí)分類方法，構(gòu)建了推理知識(shí)本體和多領(lǐng)域知識(shí)本體；然后，基于推理知識(shí)本體實(shí)現(xiàn)了故障知識(shí)推理，基于多領(lǐng)域本體，實(shí)現(xiàn)了對(duì)分布式知識(shí)資源的索引、語(yǔ)義標(biāo)注、語(yǔ)義檢索及知識(shí)管理，有效獲取產(chǎn)品設(shè)計(jì)、試驗(yàn)等階段的診斷靜態(tài)知識(shí)；通過(guò)對(duì)相對(duì)固化的診斷、預(yù)測(cè)模型類知識(shí)資源進(jìn)行服務(wù)化封裝和語(yǔ)義標(biāo)注，實(shí)現(xiàn)動(dòng)態(tài)知識(shí)的檢索和調(diào)用服務(wù)，有效提高診斷知識(shí)資源的使用效率和重用率。 第五，PHM服務(wù)系統(tǒng)開(kāi)發(fā)。基于以上研究?jī)?nèi)容，以航天器為例，針對(duì)其在軌運(yùn)行特點(diǎn)，研發(fā)航天器地面PHM系統(tǒng)。集故障預(yù)測(cè)、故障診斷、故障知識(shí)管理和服務(wù)于一體，為提高航天器在軌運(yùn)維保障能力和地面測(cè)試試驗(yàn)?zāi)芰μ峁┯行У募夹g(shù)支撐。 本文系統(tǒng)地分析和研究了復(fù)雜裝備PHM系統(tǒng)的服務(wù)模式及關(guān)鍵技術(shù)，并結(jié)合航天器特點(diǎn)，開(kāi)發(fā)了相應(yīng)的PHM原型系統(tǒng)，驗(yàn)證了本文所提方法的可行性和有效性。通過(guò)本文研究，對(duì)提高復(fù)雜裝備診斷維護(hù)能力、降低運(yùn)維成本具有重要意義。
[Abstract]:In recent years, the safety and reliability of complex equipment systems such as aviation, space and ship have become the focus of attention. As a result of its complex structure, a large loss can be caused once a failure occurs. Therefore, it is urgent to improve the reliability, repair and safety of the complex equipment system. However, the current research work in the field of fault diagnosis is mainly focused on the state evaluation and fault diagnosis of the research system, and concerned is the running state of the system "Current", and the research on system fault prediction and health management is less. This traditional "post-post service" and "plan and repair" approach is seriously inadequate in dealing with new situations of transient change. The "visual maintenance" and the "Predict maintenance" eliminate the fault in the bud state and become the development direction of the system maintenance and guarantee in the future. Therefore, in recent years, the research on the fault prediction and health management (PHM) has become the research focus of the domestic and foreign scholars, and the PHM technology represents the fault diagnosis technology from the traditional sensor-based diagnosis to the prediction of the intelligent system. But, at present, the research in this area has just started, and the research results are more In this paper, the key theory and technology involved in the PHM technology of complex equipment are studied, and the main content package includes: first, complex equipment PHM service mode Based on the analysis of the characteristics of complex equipment and the shortcomings of the traditional fault diagnosis model, a new service-oriented PHM system is proposed. This paper studies the system service model and characteristics, analyzes the key technology and main function modules required in the system construction process, and provides a kind of public PHM system service platform research in the field of complex equipment. New ideas. Second, data reduction and failure diagnosis Fault diagnosis is the core content of PHM, which is based on nonlinear manifold learning and Hidden Markov Model (HMM). The hybrid HMM model divides the system state into the normal state, the intermittent fault, the intermediate state and the fault state, so as to fully reflect the system state. In this paper, the original high-dimensional fault data is mapped to a low-dimensional space by a local holding projection algorithm (LPP), and the inner manifold characteristic of the extracted data is taken as a feature vector, and the mixed HMM is used as a classifier to realize the pair of states. The results show that the LPP-HMM method can effectively identify the early fault features and has higher accuracy. Fault recognition rate. Third, time series The prediction of fault is the key to the PHM, and the auto-regressive and moving average model (ARMA) and the artificial neural network (ANN) are put forward. The method of state prediction is based on the advantage of the linear part of the capture time series and the good performance of the ANN processing non-linear time series by using the ARMA model. The linear part of the time series is established by the ARMA model, and the neural network model is established by the remainder of the sequence. Based on the hybrid model, a model of satellite telemetry voltage data is taken as an example to realize the static model prediction and the dynamic model prediction of the telemetry parameters. The experimental results show that the hybrid dynamic model has the characteristics of Based on the mixed model, a state monitoring method is realized by using the telemetry pressure data as an example, and the experiment shows that the method can be used effectively. Reduce the false alarm rate of the fault. Fourth, the fault knowledge Modeling and service technology research. The fault knowledge management is the foundation of the PHM, aiming at the problems of low reuse rate, serious knowledge fault and the like of the current fault diagnosis knowledge resource, and the fault knowledge management is based on the fault of the domain ontology in that first place, two types of fault knowledge classification method of static and dynamic are put forward, and the reasoning knowledge body and the multi-domain knowledge body are constructed; then, based on the reasoning knowledge body, the fault knowledge reasoning is realized, The index, the semantic annotation, the semantic retrieval and the knowledge management of the source can effectively acquire the diagnosis static knowledge in the stages of product design, test and the like; and through the service encapsulation and the semantic annotation of the relative curing diagnosis and the prediction model knowledge resources, the dynamic knowledge is realized. Knowledge search and call service to effectively improve the diagnosis knowledge resource Use efficiency and reuse rate. 5. The development of PHM service system. Based on the above research contents, taking the spacecraft as an example, for the characteristics of its on-orbit operation, the research The ground PHM system of the spacecraft is developed. The fault prediction, the fault diagnosis, the fault knowledge management and the service are integrated to improve the capability of the spacecraft in the operation and maintenance of the rail and the ground test. In this paper, the service mode and key technology of the PHM system of complex equipment are analyzed and studied systematically, and the corresponding PHM prototype system is developed and verified by combining the characteristics of the spacecraft. The feasibility and effectiveness of the method proposed in the paper. Through the research of this paper, it is necessary to improve the diagnosis and maintenance of complex equipment
【學(xué)位授予單位】：北京理工大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2014
【分類號(hào)】：TH165.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳偉;羅華;;多傳感器信息融合技術(shù)與無(wú)人機(jī)PHM系統(tǒng)[J];航空科學(xué)技術(shù);2009年06期

2 馮廣斌 ,錢(qián)林方;機(jī)械系統(tǒng)PHM技術(shù)研究[J];火炮發(fā)射與控制學(xué)報(bào);2000年04期

3 陳偉;趙博;;多傳感器信息融合技術(shù)與無(wú)人機(jī)PHM系統(tǒng)[J];桂林航天工業(yè)高等專科學(xué)校學(xué)報(bào);2009年04期

4 張叔農(nóng);康銳;;數(shù)據(jù)挖掘技術(shù)在航空發(fā)動(dòng)機(jī)PHM中的應(yīng)用[J];彈箭與制導(dǎo)學(xué)報(bào);2008年01期

5 何獻(xiàn)武;曾振建;賈慧;胥輝旗;;PHM技術(shù)在反艦導(dǎo)彈維修保障中的傳感器網(wǎng)絡(luò)應(yīng)用研究[J];儀器儀表用戶;2007年02期

6 孫博;康銳;張叔農(nóng);;基于特征參數(shù)趨勢(shì)進(jìn)化的故障診斷和預(yù)測(cè)方法[J];航空學(xué)報(bào);2008年02期

7 茍永明;第十三屆全國(guó)測(cè)試與故障診斷技術(shù)研討會(huì)取得圓滿成功[J];計(jì)算機(jī)測(cè)量與控制;2004年06期

8 吳康祥;楊紅;;設(shè)備故障診斷技術(shù)及應(yīng)用設(shè)想[J];梅山科技;2001年03期

9 ;2006設(shè)備節(jié)能與故障診斷技術(shù)研討會(huì)即將召開(kāi)[J];今日中國(guó)論壇;2006年06期

10 葉銀忠;故障診斷技術(shù)的發(fā)展趨勢(shì)及我們的對(duì)策[J];自動(dòng)化博覽;2002年03期

相關(guān)會(huì)議論文 前10條

1 田瑾;趙廷弟;;機(jī)械產(chǎn)品故障預(yù)測(cè)和狀態(tài)管理(PHM)技術(shù)研究[A];2004年全國(guó)機(jī)械可靠性學(xué)術(shù)交流會(huì)論文集[C];2004年

2 李文強(qiáng);;PHM技術(shù)在無(wú)人機(jī)中應(yīng)用[A];2014（第五屆）中國(guó)無(wú)人機(jī)大會(huì)論文集[C];2014年

3 王萍;;無(wú)人機(jī)系統(tǒng)PHM的要求確定和設(shè)計(jì)方法[A];探索 創(chuàng)新 交流——第六屆中國(guó)航空學(xué)會(huì)青年科技論壇文集（上冊(cè)）[C];2014年

4 張永強(qiáng);王麗;;PHM技術(shù)在無(wú)人機(jī)領(lǐng)域的應(yīng)用與研究[A];2014（第五屆）中國(guó)無(wú)人機(jī)大會(huì)論文集[C];2014年

5 高秋穎;錢(qián)紅余;;航空發(fā)動(dòng)機(jī)預(yù)測(cè)健康管理(PHM)技術(shù)[A];面向航空試驗(yàn)測(cè)試技術(shù)——2013年航空試驗(yàn)測(cè)試技術(shù)峰會(huì)暨學(xué)術(shù)交流會(huì)論文集[C];2013年

6 田巍;張瑞敏;魏娜;康杰;;PHM在無(wú)人機(jī)維修中的應(yīng)用[A];航空裝備維修技術(shù)及應(yīng)用研討會(huì)論文集[C];2015年

7 張利;徐娟;張建軍;程龍;趙佛曉;;基于網(wǎng)格的遠(yuǎn)程協(xié)同故障診斷資源管理模型研究[A];全國(guó)第20屆計(jì)算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議（CACIS·2009）暨全國(guó)第1屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];2009年

8 商斌梁;張振仁;;基于小波與遺傳算法的氣閥機(jī)構(gòu)的故障診斷[A];2001年中國(guó)智能自動(dòng)化會(huì)議論文集（下冊(cè)）[C];2001年

9 劉富;羅巧梅;;基于PHM的北斗用戶設(shè)備維修保障研究[A];第三屆中國(guó)衛(wèi)星導(dǎo)航學(xué)術(shù)年會(huì)電子文集——S08衛(wèi)星導(dǎo)航模型與方法[C];2012年

10 李娟;;淺談泵站設(shè)備故障診斷問(wèn)題[A];2009全國(guó)大型泵站更新改造研討暨新技術(shù)、新產(chǎn)品交流大會(huì)論文集[C];2009年

相關(guān)重要報(bào)紙文章 前10條

1 武漢科技學(xué)院紡織服裝學(xué)院 林子務(wù);故障診斷中的數(shù)學(xué)概念[N];中國(guó)紡織報(bào);2004年

2 邢小兵 記者 王瑤;我國(guó)首個(gè)航天器在軌故障診斷與維修實(shí)驗(yàn)室成立[N];解放軍報(bào);2014年

3 楊亞洲 邢小兵 記者 齊小英;航天器故障診斷與維修室在西安成立[N];陜西日?qǐng)?bào);2013年

4 李萍;濟(jì)鋼EAM離線網(wǎng)絡(luò)點(diǎn)檢和故障診斷管理系統(tǒng)開(kāi)發(fā)應(yīng)用[N];世界金屬導(dǎo)報(bào);2007年

5 ;點(diǎn)火系故障診斷[N];華夏時(shí)報(bào);2001年

6 本報(bào)記者 謝湘 王堯;北京理工大學(xué)：把企業(yè)請(qǐng)進(jìn)來(lái) 讓學(xué)生的手動(dòng)起來(lái)[N];中國(guó)青年報(bào);2008年

7 本報(bào)記者 田國(guó)壘;吉林省紀(jì)檢委派人調(diào)查[N];中國(guó)青年報(bào);2011年

8 本報(bào)記者 閔杰;全國(guó)政協(xié)委員、北京理工大學(xué)教授王涌天：我國(guó)部分VR技術(shù)已超前[N];中國(guó)電子報(bào);2017年

9 本報(bào)記者 譚華健;轉(zhuǎn)化科技成果助中山產(chǎn)業(yè)升級(jí)[N];中山日?qǐng)?bào);2017年

10 本報(bào)記者 許茜;爆炸實(shí)驗(yàn)室里的深情“表白”[N];科技日?qǐng)?bào);2017年

相關(guān)博士學(xué)位論文 前10條

1 李向前;復(fù)雜裝備故障預(yù)測(cè)與健康管理關(guān)鍵技術(shù)研究[D];北京理工大學(xué);2014年

2 王奉濤;非平穩(wěn)信號(hào)故障特征提取與智能診斷方法的研究及應(yīng)用[D];大連理工大學(xué);2003年

3 錢(qián)華明;故障診斷與容錯(cuò)技術(shù)及其在組合導(dǎo)航系統(tǒng)中的應(yīng)用研究[D];哈爾濱工程大學(xué);2004年

4 蔣麗英;基于FDA/DPLS方法的流程工業(yè)故障診斷研究[D];浙江大學(xué);2005年

5 韓彥嶺;面向復(fù)雜設(shè)備的遠(yuǎn)程智能診斷技術(shù)及其應(yīng)用研究[D];上海大學(xué);2005年

6 張君;小波分析技術(shù)在汽輪機(jī)故障診斷中的應(yīng)用研究[D];華北電力大學(xué)（河北）;2005年

7 鄧學(xué)欣;開(kāi)放式故障診斷構(gòu)架及動(dòng)態(tài)測(cè)試分析方法研究[D];天津大學(xué);2004年

8 譚樹(shù)彬;軋機(jī)厚控系統(tǒng)狀態(tài)監(jiān)測(cè)與故障診斷的研究與應(yīng)用[D];東北大學(xué);2006年

9 賈明興;不確定系統(tǒng)魯棒故障診斷[D];東北大學(xué);2003年

10 劉敏華;基于SDG模型的故障診斷及應(yīng)用研究[D];清華大學(xué);2005年

本文編號(hào)：2488268