專利名稱:基于退化模型匹配的渦輪發(fā)動(dòng)機(jī)剩余壽命的預(yù)測(cè)方法
技術(shù)領(lǐng)域:
本發(fā)明涉及渦輪發(fā)動(dòng)機(jī)剩余壽命預(yù)測(cè)方法。
背景技術(shù):
故障預(yù)測(cè)可分為失效前兆的檢測(cè)和剩余使用壽命預(yù)測(cè)兩大部分,失效前兆的檢測(cè)通常是應(yīng)用相關(guān)的,需要與系統(tǒng)相關(guān)的背景知識(shí),而RUL (Remaining Useful Life)預(yù)測(cè)是相對(duì)獨(dú)立的,因此用于進(jìn)行RUL預(yù)測(cè)的技術(shù)對(duì)所有的故障預(yù)測(cè)應(yīng)用而言大致相同。作為一個(gè)迅速發(fā)展的研究領(lǐng)域,RUL預(yù)測(cè)的研究引入了許多其他研究領(lǐng)域的技術(shù)和算法,如可靠性工程,回歸分析,時(shí)間序列建模,人工智能等?,F(xiàn)有的大部分RUL預(yù)測(cè)算法都是通過(guò)訓(xùn)練歷史數(shù)據(jù)得到一個(gè)通用預(yù)測(cè)模型,這些模型對(duì)于僅包含簡(jiǎn)單系統(tǒng)和獨(dú)立組件的應(yīng)用來(lái)說(shuō)可能較為有效,因?yàn)橄到y(tǒng)的退化行為可通過(guò)簡(jiǎn)單假設(shè)或先驗(yàn)知識(shí)得到較好的表征。復(fù)雜系統(tǒng)是一種典型的非線性系統(tǒng),迄今為止成功的RUL預(yù)測(cè)實(shí)例較少,原因在于1、缺乏與系統(tǒng)的·失效機(jī)制和故障模式相關(guān)的知識(shí);2、采集到的監(jiān)測(cè)數(shù)據(jù)背景信息不完整。這兩個(gè)原因?qū)е戮哂卸喾N退化模式和不完整背景信息的系統(tǒng)歷史數(shù)據(jù)混合在一起,故在渦輪發(fā)動(dòng)機(jī)剩余壽命的預(yù)測(cè)采用通用RUL預(yù)測(cè)模型的預(yù)測(cè)效果無(wú)法達(dá)到預(yù)測(cè)要求。針對(duì)上述問(wèn)題,現(xiàn)在有兩種主流的解決方案基于機(jī)器學(xué)習(xí)的集成建模方法和基于實(shí)例的學(xué)習(xí)方法。前者采用boosting, bagging等技術(shù)來(lái)增強(qiáng)模型性能,但這些方法生成的預(yù)測(cè)模型由多個(gè)局部模型組成,較為復(fù)雜,其內(nèi)部機(jī)制很難理解。基于實(shí)例的學(xué)習(xí)方法IBL (Instance-Based Learning)生成的預(yù)測(cè)模型建立在大量的歷史案例的基礎(chǔ)上,而隨著傳感和通信技術(shù)的發(fā)展,從某些機(jī)器和設(shè)備(如商用飛行器引擎或重型采掘機(jī))上獲取大量的監(jiān)測(cè)數(shù)據(jù)已經(jīng)成為可能。目前IBL方法的工程應(yīng)用主要集中在故障診斷方面,有限的幾個(gè)故障預(yù)測(cè)應(yīng)用沒(méi)有利用退化數(shù)據(jù)的信息作為評(píng)估實(shí)例間相似性的手段。
發(fā)明內(nèi)容
本發(fā)明的目的是為了解決現(xiàn)有渦輪發(fā)動(dòng)機(jī)剩余壽命的預(yù)測(cè)采用通用RUL預(yù)測(cè)模型的預(yù)測(cè)效果無(wú)法達(dá)到預(yù)測(cè)要求的問(wèn)題,提供基于退化模型匹配的渦輪發(fā)動(dòng)機(jī)剩余壽命的預(yù)測(cè)方法?;谕嘶P推ヅ涞臏u輪發(fā)動(dòng)機(jī)剩余壽命的預(yù)測(cè)方法,它包括具體步驟如下步驟一、數(shù)據(jù)預(yù)處理從采集到的原始數(shù)據(jù)中提取出決定渦輪發(fā)動(dòng)機(jī)運(yùn)行狀態(tài)變量=C1為高度、C2為馬赫數(shù)和C3為油門角度;所述運(yùn)行狀態(tài)變量的數(shù)值組成集合C=Cc1, C2, C3)1 ;Ci表示C在時(shí)刻ti對(duì)應(yīng)的高度、馬赫數(shù)和油門角度的值,Ci= (Cli, c2i, c3i)T,其中i為正整數(shù);從21個(gè)位于渦輪發(fā)動(dòng)機(jī)不同位置的傳感器采集到能表征渦輪發(fā)動(dòng)機(jī)退化過(guò)程的數(shù)值,所述數(shù)值組成21維特征向量x= (X1, x2,...,x21) 'Xi表示X在時(shí)刻&對(duì)應(yīng)21個(gè)傳感器采集到的發(fā)動(dòng)機(jī)不同點(diǎn)的溫度、壓力和速度值;在時(shí)刻\由所述運(yùn)行狀態(tài)變量Ci與特征向量Xi,得到測(cè)量周期的三元組(Ci, Xi, ti);由Ci和Xi融合得到健康因子Zi ;步驟二、建立退化模型庫(kù)利用融合而成能表征系統(tǒng)退化趨勢(shì)的健康因子Zi為相應(yīng)的訓(xùn)練實(shí)體建立退化模型;所述建立的多個(gè)退化模型組成退化模型庫(kù);步驟三、相似性評(píng)估將某測(cè)試渦輪發(fā)動(dòng)機(jī)的歷史退化軌跡與模型庫(kù)中所有的模型進(jìn)行相似匹配,每個(gè)模型都給出一個(gè)對(duì)該測(cè)試渦輪發(fā)動(dòng)機(jī)的RUL估計(jì);步驟四、RUL融合根據(jù)測(cè)試渦輪發(fā)動(dòng)機(jī)與模型庫(kù)中模型匹配程度的高低,采用相似度加權(quán)的方法融合得到最終的剩余使用壽命的RUL預(yù)測(cè)值。本發(fā)明不依賴于渦輪發(fā)動(dòng)機(jī)的故障機(jī)制、失效模式、失效標(biāo)準(zhǔn)和背景信息等先驗(yàn)知識(shí),RUL的預(yù)測(cè)僅僅依靠從渦輪發(fā)動(dòng)機(jī)的狀態(tài)監(jiān)測(cè)數(shù)據(jù)中獲取的退化軌跡信息,同時(shí)由于其對(duì)退化形式的非參數(shù)化表達(dá)方式,不再需要對(duì)退化趨勢(shì)的形態(tài)進(jìn)行假設(shè),因此DMM(degradation model matching)方法對(duì)于能夠從同一型號(hào)潤(rùn)輪發(fā)動(dòng)機(jī)的不同個(gè)體中獲·取連續(xù)監(jiān)測(cè)數(shù)據(jù)的應(yīng)用如航空發(fā)動(dòng)機(jī),能獲得達(dá)到要求的預(yù)測(cè)效果,具有實(shí)際應(yīng)用價(jià)值。
圖I為本發(fā)明的結(jié)構(gòu)框圖示意圖,圖2為本發(fā)明的性能評(píng)估的框圖示意圖,圖3為實(shí)施方式五中所有訓(xùn)練實(shí)體在狀態(tài)I的讀數(shù)示意圖,圖4為實(shí)施方式五中所有訓(xùn)練實(shí)體在狀態(tài)2的讀數(shù)示意圖,圖5為實(shí)施方式五中具體步驟的示意圖。
具體實(shí)施例方式具體實(shí)施方式
一結(jié)合圖I說(shuō)明本實(shí)施方式,本實(shí)施方式所述基于退化模型匹配的渦輪發(fā)動(dòng)機(jī)剩余壽命的預(yù)測(cè)方法,它包括具體步驟如下步驟一、數(shù)據(jù)預(yù)處理從采集到的原始數(shù)據(jù)中提取出決定渦輪發(fā)動(dòng)機(jī)運(yùn)行狀態(tài)變量=C1為高度、C2為馬赫數(shù)和C3為油門角度;所述運(yùn)行狀態(tài)變量的數(shù)值組成集合C=(Cl,C2,C3) T ;Ci表示C在時(shí)刻ti對(duì)應(yīng)的高度、馬赫數(shù)和油門角度的值,Ci= (Cli, C2ilC3i)1,其中i為正整數(shù);從21個(gè)位于渦輪發(fā)動(dòng)機(jī)不同位置的傳感器采集到能表征渦輪發(fā)動(dòng)機(jī)退化過(guò)程的數(shù)值,所述數(shù)值組成21維特征向量x= (X1, x2,...,x21) 'Xi表示X在時(shí)刻&對(duì)應(yīng)21個(gè)傳感器采集到的發(fā)動(dòng)機(jī)不同點(diǎn)的溫度、壓力和速度值;在時(shí)刻\由所述運(yùn)行狀態(tài)變量Ci與特征向量Xi,得到測(cè)量周期的三元組(Ci, Xi, ti);由Ci和Xi融合得到健康因子Zi ;步驟二、建立退化模型庫(kù)利用融合而成能表征系統(tǒng)退化趨勢(shì)的健康因子Zi為相應(yīng)的訓(xùn)練實(shí)體建立退化模型;所述建立的多個(gè)退化模型組成退化模型庫(kù);步驟三、相似性評(píng)估將某測(cè)試渦輪發(fā)動(dòng)機(jī)的歷史退化軌跡與模型庫(kù)中所有的模型進(jìn)行相似匹配,每個(gè)模型都給出一個(gè)對(duì)該測(cè)試渦輪發(fā)動(dòng)機(jī)的RUL估計(jì);步驟四、RUL融合根據(jù)測(cè)試渦輪發(fā)動(dòng)機(jī)與模型庫(kù)中模型匹配程度的高低,采用相似度加權(quán)的方法融合得到最終的剩余使用壽命的RUL預(yù)測(cè)值。在DMM方法框架中,使用多個(gè)具有全壽命狀態(tài)監(jiān)測(cè)數(shù)據(jù)的訓(xùn)練實(shí)體構(gòu)建退化模型庫(kù),分別利用加權(quán)灰色關(guān)聯(lián)度和歐式距離評(píng)估同一型號(hào)渦輪發(fā)動(dòng)機(jī)中某測(cè)試渦輪發(fā)動(dòng)機(jī)與模型庫(kù)中各個(gè)模型間的相似性,每個(gè)退化模型會(huì)生成一個(gè)對(duì)測(cè)試渦輪發(fā)動(dòng)機(jī)的剩余壽命估計(jì),根據(jù)測(cè)試渦輪發(fā)動(dòng)機(jī)與各退化模型間的相似度融合成最終渦輪發(fā)動(dòng)機(jī)的剩余壽命估計(jì)。許多工程系統(tǒng)尤其是機(jī)械系統(tǒng),在沒(méi)有進(jìn)行有效維護(hù)的情況下退化過(guò)程是不可逆的,但這并不意味著觀測(cè)到的特征一定會(huì)呈現(xiàn)單調(diào)的演化形式,而非單調(diào)的演化形式往往很難用參數(shù)化方法進(jìn)行建模。假設(shè)一個(gè)工程系統(tǒng)在退化的過(guò)程中沒(méi)有進(jìn)行有效維護(hù),那么該退化過(guò)程可能是由一系列不可逆的成分構(gòu)成,這些過(guò)程可以用監(jiān)測(cè)到的狀態(tài)數(shù)據(jù)或特征的軌跡來(lái)表示。因此,如果某系統(tǒng)未來(lái)的退化趨勢(shì)可以用一些已經(jīng)失效的同型號(hào)系統(tǒng)的退化趨勢(shì)進(jìn)行表達(dá),則我們可以獲取該系統(tǒng)的RUL。運(yùn)行工況指的是一系列可以決定系統(tǒng)運(yùn)行狀態(tài)的 變量的集合,包括控制設(shè)置、環(huán)境參數(shù)和使用模式等。在許多工程應(yīng)用中,變化的運(yùn)行工況對(duì)系統(tǒng)的監(jiān)測(cè)狀態(tài)數(shù)據(jù)有很大的影響,經(jīng)特征提取得到的時(shí)間序列呈現(xiàn)出較大的方差,導(dǎo)致系統(tǒng)的退化趨勢(shì)較為復(fù)雜,難以進(jìn)行RUL建模。需要對(duì)在變化的運(yùn)行工況下采集到的監(jiān)測(cè)數(shù)據(jù)進(jìn)行預(yù)處理以適應(yīng)DMM建模的需要。X= (X1, X2,,xN) T表示從系統(tǒng)中采集的原始數(shù)據(jù)經(jīng)過(guò)選擇后的N維特征向量,Xi表不在X某一測(cè)量時(shí)刻&的米樣值,tE表不壽命結(jié)束時(shí)的時(shí)間,t表不最近一次測(cè)量時(shí)的時(shí)間,X1=Ix1, x2, . . . X1I表示測(cè)試實(shí)體到現(xiàn)在為止的歷史特征數(shù)據(jù),1Xe=Ix1,X2, . . . XE},1=1,. . .,E表示同一類型系統(tǒng)第I個(gè)訓(xùn)練實(shí)體的全壽命歷史特征數(shù)據(jù),此時(shí)HftJ1RUL,其中1RUL為第I個(gè)訓(xùn)練實(shí)體對(duì)測(cè)試實(shí)體的RUL估計(jì),說(shuō)明某個(gè)訓(xùn)練實(shí)體對(duì)測(cè)試實(shí)體的RUL估計(jì)就是找尋訓(xùn)練實(shí)體的壽命與測(cè)試實(shí)體當(dāng)前時(shí)間的關(guān)系。如果系統(tǒng)運(yùn)行在變化的運(yùn)行工況條件下,采集數(shù)據(jù)的時(shí)候需要對(duì)測(cè)試實(shí)體和訓(xùn)練實(shí)體的運(yùn)行工況信息進(jìn)行測(cè)量。有21個(gè)傳感器位于渦輪發(fā)動(dòng)機(jī)不同的位置,從21個(gè)位于渦輪發(fā)動(dòng)機(jī)不同位置的傳感器采集到能表征潤(rùn)輪發(fā)動(dòng)機(jī)退化過(guò)程的21維特征向量X= (X1, X2, , X21) T, Xi表示X在時(shí)刻ti 21個(gè)傳感器采集到的采樣值;C= Cc1, C2, , cN) T表示決定渦輪發(fā)動(dòng)機(jī)運(yùn)行狀態(tài)變量的集合,Ci表示在c某一測(cè)量時(shí)刻\的運(yùn)行工況。在時(shí)刻\由所述運(yùn)行狀態(tài)變量Ci與特征向量Xi,得到測(cè)量周期的三元組(CpXpti);由Ci和\融合得到健康因子Zi ;則數(shù)據(jù)預(yù)處理的目的可以表示為(Ci, Xi, ti) — (Zi, ti),其中 Zi 獨(dú)立于 XiO具體實(shí)施方式
二 結(jié)合圖2說(shuō)明本實(shí)施方式,本實(shí)施方式是對(duì)具體實(shí)施方式
一所述基于退化模型匹配的渦輪發(fā)動(dòng)機(jī)剩余壽命的預(yù)測(cè)方法的進(jìn)一步限定,步驟一數(shù)據(jù)預(yù)處理具體過(guò)程為步驟--、對(duì)決定潤(rùn)輪發(fā)動(dòng)機(jī)運(yùn)行狀態(tài)變量的集合CKc1, C2, c3)t采用K-means算
法聚類得到P類運(yùn)行狀態(tài)Q = IO1, O2, . . . , 0p}, p為正整數(shù);步驟一二、對(duì)提取的每個(gè)訓(xùn)練實(shí)體中傳感器的讀數(shù)按P類運(yùn)行狀態(tài)Q進(jìn)行劃分,共劃分為P組;步驟一三、檢測(cè)所有訓(xùn)練實(shí)體中每個(gè)傳感器的讀數(shù)在每個(gè)運(yùn)行狀態(tài)下隨時(shí)間變化的情況,選擇出在所有運(yùn)行狀態(tài)下讀數(shù)均具有一致性單調(diào)趨勢(shì)的傳感器集合八= 1,&,...,父111},其中!11為正整數(shù);
步驟一四、某組訓(xùn)練實(shí)體對(duì)選出的傳感器集合A的讀數(shù)按有限的運(yùn)行狀態(tài)Q進(jìn)行劃分,并按照z = a + pJ ■x + f^a + L、具Y,. +左進(jìn)行線性回歸得至Li p組健康因子時(shí)間序列;步驟一五、p組健康因子時(shí)間序列按狀態(tài)劃分前的時(shí)間排序后,還原成完整的一組健康因子時(shí)間序列XQ={XQ(k) k=l, 2,……,n},其中n為正整數(shù);步驟一六、確定反映系統(tǒng)退化行為特征的健康因子時(shí)間序列Xtl為參考序列,影響系統(tǒng)行為的傳感器時(shí)間序列Xi=(XiGc) }為比較序列,i = 1,2,……,m ;步驟一七、采用初值化對(duì)參考序列和比較序列進(jìn)行無(wú)量綱化處理,用原始數(shù)列的
所有數(shù)據(jù)除于序列的第一個(gè)值,即步驟一八、計(jì)算經(jīng)過(guò)無(wú)量綱化處理后的參考序列Xtl和比較序列\(zhòng)之間的點(diǎn)關(guān)聯(lián)系·
mill min.\xi}(k)~~xt(k)\ + ^max mm |x0(々)—x- (A^)I
數(shù)為r(.Yt,a-U(A-))= * 丨,其中 4 G (0,①)稱為
X0 (k) — Xi 帽+4 max max br0(t) — Xi {k)\
**i I *,
分辨系數(shù),通常取(=0.5;步驟一九、計(jì)算參考序列和比較序列間的關(guān)聯(lián)度,用參考序列和比較序列在各個(gè)時(shí)刻的關(guān)聯(lián)系數(shù)之平均值表示,即 步驟一十“十算點(diǎn)關(guān)聯(lián)序數(shù)序列的穩(wěn)定度^^^^丈卜化辦“㈨卜^)2 5步驟一十一、計(jì)算改進(jìn)后的灰色關(guān)聯(lián)度=■盡告;步驟一十二、對(duì)計(jì)算得到的關(guān)聯(lián)度從大到小進(jìn)行排序;關(guān)聯(lián)度越大說(shuō)明該比較序列相對(duì)于參考序列相關(guān)程度越大;步驟一十三、對(duì)所有訓(xùn)練實(shí)體重復(fù)步驟一四至步驟一十二,得到所有測(cè)試渦輪發(fā)動(dòng)機(jī)中各個(gè)傳感器讀數(shù)與相應(yīng)健康因子關(guān)聯(lián)度排序的統(tǒng)計(jì)信息,選出關(guān)聯(lián)度高的傳感器子^ B= (X1, X2, ...,XJ0具體實(shí)施方式
三結(jié)合圖2說(shuō)明本實(shí)施方式,本實(shí)施方式是對(duì)具體實(shí)施方式
一所述基于退化模型匹配的渦輪發(fā)動(dòng)機(jī)剩余壽命的預(yù)測(cè)方法的進(jìn)一步限定,步驟二建立退化模型庫(kù)的具體過(guò)程為步驟二一、對(duì)選出的傳感器集合B的讀數(shù)按運(yùn)行狀態(tài)Q進(jìn)行劃分并按照z=a + pT.x + f = a + [丨....丨^iXi + f進(jìn)行線性回歸得至Ij p組健康因子時(shí)間序列;步驟二二、p組健康因子時(shí)間序列按狀態(tài)劃分前的時(shí)間排序后還原成完整的一組健康因子時(shí)間序列Xtl= (XtlGO I ;步驟二三、對(duì)所有訓(xùn)練實(shí)體重復(fù)步驟二一和步驟二二,使每個(gè)訓(xùn)練實(shí)體都有一組對(duì)應(yīng)的健康因子時(shí)間序列;步驟二四、采用指數(shù)回歸模型M, V = ./;(/) = W'.''. )+£對(duì)每組訓(xùn)練實(shí)體對(duì)應(yīng)的健康因子時(shí)間序列進(jìn)行擬合,得到退化模型庫(kù)。
具體實(shí)施方式
四結(jié)合圖2說(shuō)明本實(shí)施方式,本實(shí)施方式是對(duì)具體實(shí)施方式
一所述基于退化模型匹配的渦輪發(fā)動(dòng)機(jī)剩余壽命的預(yù)測(cè)方法的進(jìn)一步限定,步驟三包括的具體步驟為步驟三一、測(cè)試渦輪發(fā)動(dòng)機(jī)直接采用前述訓(xùn)練實(shí)體線性回歸模型的參數(shù)來(lái)計(jì)算健康因子,I個(gè)測(cè)試渦輪發(fā)動(dòng)機(jī)相對(duì)每個(gè)線性回歸模型都有I組對(duì)應(yīng)的健康因子序列Z =
Zi, Z2 j Zj,,步驟三二、將測(cè)試渦輪發(fā)動(dòng)機(jī)的歷史退化軌跡Z = Zl,z2,...,Zr與指數(shù)回歸模型庫(kù)中對(duì)應(yīng)的模型進(jìn)行相似匹配,即分別計(jì)算測(cè)試渦輪發(fā)動(dòng)機(jī)健康因子序列與相應(yīng)指數(shù)回歸模型間的最小歐式距離d( T,Zji)和最大灰色關(guān)聯(lián)度S( T,Z,Mi),對(duì)應(yīng)這兩個(gè)指標(biāo),模型庫(kù)中每個(gè)模型都會(huì)分別給出I個(gè)對(duì)該測(cè)試渦輪發(fā)動(dòng)機(jī)的RUL估計(jì)。
具體實(shí)施方式
五本實(shí)施方式是對(duì)具體實(shí)施方式
一所述基于退化模型匹配的渦輪發(fā)動(dòng)機(jī)剩余壽命的預(yù)測(cè)方法的進(jìn)一步限定,步驟四所述測(cè)試渦輪發(fā)動(dòng)機(jī)最終的剩余壽命的·Y1 'S-1JWL
RUL預(yù)測(cè)值是采用表達(dá)式:RULr =^4十算獲得的。
D其中L表示模型庫(kù)中退化模型的個(gè)數(shù),1RULr表示第I個(gè)退化模型對(duì)于測(cè)試渦輪發(fā)動(dòng)機(jī)剩余壽命的估計(jì)值,1S表示第I個(gè)退化模型與測(cè)試渦輪發(fā)動(dòng)機(jī)間的最大相似度,分別用最大灰色關(guān)聯(lián)度s ( T,z,Mi)和exp (_d ( T,z, Mi))表示。結(jié)合圖3、圖4和圖5,利用NASA Ames故障預(yù)測(cè)數(shù)據(jù)庫(kù)中的渦輪發(fā)動(dòng)機(jī)退化仿真數(shù)據(jù)集進(jìn)行DMM方法性能驗(yàn)證。DTSM處理渦輪發(fā)動(dòng)機(jī)數(shù)據(jù)的過(guò)程共分為七個(gè)步驟,分屬于訓(xùn)練(模型開(kāi)發(fā))和測(cè)試(RUL估計(jì))兩個(gè)階段。Saxena等在2008年進(jìn)行了一系列的全壽命仿真來(lái)研究飛行器渦輪發(fā)動(dòng)機(jī)的退化性能,仿真模型建立在CMAPSS (商用模塊化航空推進(jìn)系統(tǒng)仿真)上。CMAPSS是NASA開(kāi)發(fā)的一款模擬系統(tǒng),類似于一個(gè)虛擬的航空發(fā)動(dòng)機(jī)。通過(guò)在不同的飛行狀態(tài)下執(zhí)行多次仿真,得到同一發(fā)動(dòng)機(jī)多個(gè)實(shí)體的監(jiān)測(cè)數(shù)據(jù)。仿真每運(yùn)行一次,發(fā)動(dòng)機(jī)經(jīng)歷了全壽命的完整過(guò)程,即從全新的發(fā)動(dòng)機(jī)(具有不同的初始磨損和工程方差)到預(yù)先設(shè)置好的失效標(biāo)準(zhǔn),發(fā)動(dòng)機(jī)的壽命用該過(guò)程經(jīng)歷的總飛行周期數(shù)表示,每個(gè)飛行周期采集的數(shù)據(jù)包含3維運(yùn)行工況變量(高度、馬赫數(shù)和油門角度)和21維傳感器測(cè)量值(發(fā)動(dòng)機(jī)不同點(diǎn)的溫度、壓力和速度),因此每個(gè)實(shí)體的完整運(yùn)行過(guò)程可用一個(gè)24維的時(shí)間序列表示。某一實(shí)體的多元時(shí)間序列摘錄如表I所示。表I某發(fā)動(dòng)機(jī)實(shí)體的全壽命數(shù)據(jù)樣本
Cycle Operaiinu Operating Operating Sensor Sensor ... Sensor21 _ Seninu ! Setting 2 Settinu 3__I__2___
1-. C.:-:3 ■ c0 100.0 --; 0 r rS … ■ ; 0
2c cc:0 c ':.:2 100.03 .U … 14.635
*mm 辱拳
321 42.0058 0.8400 100.0 445.00 549.71 ... 6.4590注意渦輪發(fā)動(dòng)機(jī)數(shù)據(jù)集并沒(méi)有提供故障機(jī)制、失效模式及失效標(biāo)準(zhǔn)等信息,而DMM方法并不需要這些信息來(lái)進(jìn)行RUL估計(jì)。NASA共提供了四組獨(dú)立的數(shù)據(jù)集,每個(gè)數(shù)據(jù)集包含不同的故障模式數(shù)、運(yùn)行工況數(shù)、訓(xùn)練實(shí)體數(shù)和測(cè)試實(shí)體數(shù),如表2所示。表2四個(gè)數(shù)據(jù)集的實(shí)驗(yàn)設(shè)置
權(quán)利要求
1.基于退化模型匹配的渦輪發(fā)動(dòng)機(jī)剩余壽命的預(yù)測(cè)方法,其特征是,它包括具體步驟如下 步驟一、數(shù)據(jù)預(yù)處理從采集到的原始數(shù)據(jù)中提取出決定渦輪發(fā)動(dòng)機(jī)運(yùn)行狀態(tài)變量=C1為高度、C2為馬赫數(shù)和C3為油門角度;所述運(yùn)行狀態(tài)變量的數(shù)值組成集合C= (C1, C2, C3) T ;Ci表示C在時(shí)刻ti對(duì)應(yīng)的高度、馬赫數(shù)和油門角度的值,Ci= Ccli, c2i,c3i)T,其中i為正整數(shù); 從21個(gè)位于渦輪發(fā)動(dòng)機(jī)不同位置的傳感器采集到能表征渦輪發(fā)動(dòng)機(jī)退化過(guò)程的數(shù)值,所述數(shù)值組成21維特征向量x= (X1, x2,...,x21) 'Xi表示X在時(shí)刻ti對(duì)應(yīng)21個(gè)傳感器采集到的發(fā)動(dòng)機(jī)不同點(diǎn)的溫度、壓力和速度值; 在時(shí)刻ti由所述運(yùn)行狀態(tài)變量Ci與特征向量Xi,得到測(cè)量周期的三元組(Ci,Xi,ti);由Ci和Xi融合得到健康因子Zi ; 步驟二、建立退化模型庫(kù)利用融合而成能表征系統(tǒng)退化趨勢(shì)的健康因子Zi為相應(yīng)的訓(xùn)練實(shí)體建立退化模型;所述建立的多個(gè)退化模型組成退化模型庫(kù); 步驟三、相似性評(píng)估將某測(cè)試渦輪發(fā)動(dòng)機(jī)的歷史退化軌跡與模型庫(kù)中所有的模型進(jìn)行相似匹配,每個(gè)模型都給出一個(gè)對(duì)該測(cè)試渦輪發(fā)動(dòng)機(jī)的RUL估計(jì); 步驟四、RUL融合根據(jù)測(cè)試渦輪發(fā)動(dòng)機(jī)與模型庫(kù)中模型匹配程度的高低,采用相似度加權(quán)的方法融合得到最終的剩余使用壽命的RUL預(yù)測(cè)值。
2.根據(jù)權(quán)利要求I所述基于退化模型匹配的渦輪發(fā)動(dòng)機(jī)剩余壽命的預(yù)測(cè)方法,其特征在于,步驟一數(shù)據(jù)預(yù)處理具體過(guò)程為 步驟--、對(duì)決定潤(rùn)輪發(fā)動(dòng)機(jī)運(yùn)行狀態(tài)變量的集合C= (C1, C2, C3) T采用K-means算法聚類得到P類運(yùn)行狀態(tài)Q = IO1, O2,. . , 0P},p為正整數(shù); 步驟一二、對(duì)提取的每個(gè)訓(xùn)練實(shí)體中傳感器的讀數(shù)按P類運(yùn)行狀態(tài)Q進(jìn)行劃分,共劃分為P組; 步驟一三、檢測(cè)所有訓(xùn)練實(shí)體中每個(gè)傳感器的讀數(shù)在每個(gè)運(yùn)行狀態(tài)下隨時(shí)間變化的情況,選擇出在所有運(yùn)行狀態(tài)下讀數(shù)均具有一致性單調(diào)趨勢(shì)的傳感器集合A= (X1, X2, , XJ,其中m為正整數(shù); 步驟一四、某組訓(xùn)練實(shí)體對(duì)選出的傳感器集合A的讀數(shù)按有限的運(yùn)行狀態(tài)Q進(jìn)行劃分,并按照Z(yǔ) = + PT 1 + ^ = 0 +行線性回歸得到p組健康因子時(shí)間序列; 步驟一五、P組健康因子時(shí)間序列按狀態(tài)劃分前的時(shí)間排序后,還原成完整的一組健康因子時(shí)間序列XQ={XQ(k) |k=l,2,……,n},其中n為正整數(shù); 步驟一六、確定反映系統(tǒng)退化行為特征的健康因子時(shí)間序列Xtl為參考序列,影響系統(tǒng)行為的傳感器時(shí)間序列XiHXi (k) I}為比較序列,i = 1,2,……,m ; 步驟一七、采用初值化對(duì)參考序列和比較序列進(jìn)行無(wú)量綱化處理,用原始數(shù)列的所有數(shù)據(jù)除于序列的第一個(gè)值,m,(k)=; 步驟一八、計(jì)算經(jīng)過(guò)無(wú)量綱化處理后的參考序列Xtl和比較序列Xi之間的點(diǎn)關(guān)聯(lián)系數(shù)為
3.根據(jù)權(quán)利要求2所述基于退化模型匹配的渦輪發(fā)動(dòng)機(jī)剩余壽命的預(yù)測(cè)方法,其特征在于,步驟二建立退化模型庫(kù)的具體過(guò)程為 步驟二一、對(duì)選出的傳感器集合B的讀數(shù)按運(yùn)行狀態(tài)Q進(jìn)行劃分并按照z = a + pT.X+5 = a++ £進(jìn)行線性回歸得至丨J P組健康因子時(shí)間序列; 步驟二二、p組健康因子時(shí)間序列按狀態(tài)劃分前的時(shí)間排序后還原成完整的一組健康因子時(shí)間序列XQ={XQ(k) }; 步驟二三、對(duì)所有訓(xùn)練實(shí)體重復(fù)步驟二一和步驟二二,使每個(gè)訓(xùn)練實(shí)體都有一組對(duì)應(yīng)的健康因子時(shí)間序列; 步驟二四、采用指數(shù)回歸模型M
4.根據(jù)權(quán)利要求3所述基于退化模型匹配的渦輪發(fā)動(dòng)機(jī)剩余壽命的預(yù)測(cè)方法,其特征在于,步驟三包括的具體步驟為 步驟三一、測(cè)試渦輪發(fā)動(dòng)機(jī)直接采用前述訓(xùn)練實(shí)體線性回歸模型的參數(shù)來(lái)計(jì)算健康因子,I個(gè)測(cè)試渦輪發(fā)動(dòng)機(jī)相對(duì)每個(gè)線性回歸模型都有I組對(duì)應(yīng)的健康因子序列Z = Z1,
5.根據(jù)權(quán)利要求3所述基于退化模型匹配的渦輪發(fā)動(dòng)機(jī)剩余壽命的預(yù)測(cè)方法,其特征在于,步驟四所述測(cè)試渦輪發(fā)動(dòng)機(jī)最終的剩余壽命的RUL預(yù)測(cè)值是采用表達(dá)式
全文摘要
基于退化模型匹配的渦輪發(fā)動(dòng)機(jī)剩余壽命的預(yù)測(cè)方法,涉及渦輪發(fā)動(dòng)機(jī)剩余壽命預(yù)測(cè)方法,它為了解決現(xiàn)有渦輪發(fā)動(dòng)機(jī)剩余壽命的預(yù)測(cè)采用通用RUL預(yù)測(cè)模型的預(yù)測(cè)效果無(wú)法達(dá)到預(yù)測(cè)要求的問(wèn)題,它包括具體步驟如下步驟一、數(shù)據(jù)預(yù)處理從采集到的數(shù)據(jù)提取運(yùn)行狀態(tài)變量;從傳感器采集到特征向量;由運(yùn)行狀態(tài)變量與特征向量融合得到健康因子;步驟二、建立退化模型庫(kù)利用健康因子建立退化模型;多個(gè)退化模型組成退化模型庫(kù);步驟三、相似性評(píng)估將退化軌跡與模型庫(kù)中的模型匹配,每個(gè)模型給出一個(gè)RUL估計(jì);步驟四、RUL融合根據(jù)測(cè)試渦輪發(fā)動(dòng)機(jī)與模型匹配程度,采用相似度加權(quán),融合得到最終的剩余壽命預(yù)測(cè)值。適用于渦輪發(fā)動(dòng)機(jī)剩余壽命預(yù)測(cè)。
文檔編號(hào)G06F19/00GK102789545SQ20121024098
公開(kāi)日2012年11月21日 申請(qǐng)日期2012年7月12日 優(yōu)先權(quán)日2012年7月12日
發(fā)明者劉大同, 龐景月, 彭宇, 徐勇, 李君寶, 王紅, 羅悅 申請(qǐng)人:哈爾濱工業(yè)大學(xué)