一種機電系統(tǒng)裝備健康評估方法
【專利摘要】本發(fā)明公開了一種機電系統(tǒng)裝備健康評估方法，所述方法包括以下步驟：對機電系統(tǒng)進行結構和功能分解；并獲取各子部件的歷史運行參數(shù)；基于分解結果進行擴展失效模式與影響分析，確定表征故障的表征參數(shù)；確定影響系統(tǒng)健康的關鍵特征因素集合，構建表征早期狀態(tài)模式識別指標的多維空間參數(shù)；獲取傳感器信號，根據(jù)多維空間參數(shù)進行故障異常檢測。所述方法測試成本低、背景噪聲較弱、狀態(tài)信息完整，能夠滿足裝備健康管理的信息需求。
【專利說明】
一種機電系統(tǒng)裝備健康評估方法
技術領域
[0001] 本發(fā)明涉及一種機電系統(tǒng)健康狀態(tài)評估方法，屬于船舶控制技術領域。
【背景技術】
[0002] 裝備健康管理對于提高復雜裝備安全性、可靠性、維修性和經濟可承受性，降低全 壽命周期費用，實現(xiàn)自主維修預知維修具有重要意義。狀態(tài)信息是實現(xiàn)裝備健康管理的基 礎，獲取狀態(tài)信息的前提是確定合理的早期狀態(tài)模式識別指標。合理的早期狀態(tài)模式識別 指標能夠有效表征故障征兆，跟蹤故障演化從而快速準確地實現(xiàn)狀態(tài)監(jiān)控、故障診斷、故障 預測和健康評估。此外，在裝備設計階段，早期狀態(tài)模式識別指標的選擇會影響測試資源的 配置，最終影響可測性并行設計。
[0003] 健康評估是觸發(fā)維修決策的前提和基礎。裝備健康評估是一個非常復雜的綜合決 策問題，涉及裝備的結構、功能、行為、故障和運作。一般地，裝備的健康退化總可以通過相 關早期狀態(tài)模式識別指標信息來反映，對早期狀態(tài)模式識別指標信息進行綜合處理有望得 到裝備健康水平。
[0004] 機電系統(tǒng)等復雜裝備的早期狀態(tài)模式識別指標眾多，出于經濟性和可行性角度考 慮不可能對所有的早期狀態(tài)模式識別指標進行測試。一般來講，過多的早期狀態(tài)模式識別 指標往往導致測試成本高、信息冗余度大、背景噪聲強等問題;而過少的早期狀態(tài)模式識別 指標則容易造成狀態(tài)信息缺乏、不完整，不能滿足裝備健康管理的信息需求等問題。
[0005] 同時，復雜裝備在設計階段，物理模型缺乏，知識信息有限，不確定性和模糊性強， 很難通過基于試驗和模型的方法來確定早期狀態(tài)模式識別指標。
[0006] 因此需要結合裝備系統(tǒng)的結構、功能、故障特點，構建一種合理的早期狀態(tài)模式識 別指標集合進行機電系統(tǒng)裝備健康評估。

【發(fā)明內容】

[0007] 鑒于上述的分析，本發(fā)明旨在提供一種機電系統(tǒng)裝備健康評估方法，用以解決現(xiàn) 有裝備健康評估方法測試成本高、信息冗余度大、背景噪聲強、狀態(tài)信息缺乏、不完整，不能 滿足裝備健康管理的信息需求等問題。
[0008] 本發(fā)明的目的主要是通過以下技術方案實現(xiàn)的：一種機電系統(tǒng)裝備健康評估方 法，其特征在于，包括以下步驟：
[0009] 步驟S1、根據(jù)機電系統(tǒng)的設備特點、結構組成和功能組成，對機電系統(tǒng)進行結構和 功能分解;并獲取各子部件的歷史運行參數(shù)；
[0010]步驟S2、基于步驟S1的分解結果進行擴展失效模式與影響分析，對系統(tǒng)的各子部 件的歷史運行參數(shù)進行數(shù)據(jù)分析和數(shù)據(jù)處理，確定表征故障的表征參數(shù)；
[0011] 步驟S3、在步驟S2確定的表征故障的表征參數(shù)的基礎上，確定影響系統(tǒng)健康的關 鍵特征因素集合構建表征早期狀態(tài)模式識別指標的多維空間參數(shù)；
[0012] 步驟S4、獲取傳感器信號，根據(jù)步驟S3構建的多維空間參數(shù)進行故障異常檢測。
[0013] 步驟1中所述對機電系統(tǒng)進行結構和功能分解進一步包括：
[0014] 從硬件組成方面按照系統(tǒng)、子系統(tǒng)、部件、零件對機電系統(tǒng)進行進行結構分解;從 功能實現(xiàn)層次進行功能分解。
[0015] 步驟S2中所述數(shù)據(jù)分析和數(shù)據(jù)處理進一步包括：
[0016] 通過數(shù)據(jù)趨勢分析方法確定參數(shù)間的故障傳遞關系;通過關聯(lián)分析找到各參數(shù)之 間的報警關系及閾值關系;確定表征故障的表征參數(shù)。
[0017] 步驟S3中所述確定影響系統(tǒng)健康的關鍵特征因素集合進一步包括：
[0018] 根據(jù)表征故障的表征參數(shù)與故障的相關程度，確定影響系統(tǒng)健康的關鍵特征因素 集合；
[0019] 步驟S3中所述建表征早期狀態(tài)模式識別指標的多維空間參數(shù)進一步包括：
[0020] 根據(jù)多因素影響下早期狀態(tài)模式識別指標的特征因素分類構建表征早期狀態(tài)模 式識別指標的多維空間參數(shù)。
[0021] 步驟S4中所述根據(jù)步驟S3構建的多維空間參數(shù)進行故障異常檢測進一步包括：
[0022] 根據(jù)步驟S3得到的表征早期狀態(tài)模式識別指標的多維空間參數(shù)對傳感器信號進 行監(jiān)測參數(shù)的處理與特征提?。?br>[0023]根據(jù)各參數(shù)的數(shù)據(jù)變動指數(shù)，進行故障異常檢測；
[0024]得到故障征兆后，根據(jù)故障排除程序，得到故障模式，并分析該故障模式對上級設 備和系統(tǒng)的故障影響。
[0025]所述方法進一步包括以下步驟：
[0026]根據(jù)步驟S4得到的該故障模式對上級設備和系統(tǒng)的故障影響，觸發(fā)維修決策。 [0027]本發(fā)明有益效果如下：
[0028] 1、從結構組成和功能組成兩方面進行了機電系統(tǒng)分解；
[0029] 2、按照擴展FMECA分析流程，分析得到了機電系統(tǒng)的典型設備的早期狀態(tài)模式識 別指標集；
[0030] 3、按照系統(tǒng)的功能和結構分解，得到了機電系統(tǒng)的早期狀態(tài)模式識別指標集合。
[0031] 4、所述方法測試成本低、背景噪聲較弱、狀態(tài)信息完整，能夠滿足裝備健康管理的 fg息需求。
[0032] 本發(fā)明的其他特征和優(yōu)點將在隨后的說明書中闡述，并且，部分的從說明書中變 得顯而易見，或者通過實施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點可通過在所寫的說明 書、權利要求書、以及附圖中所特別指出的結構來實現(xiàn)和獲得。
【附圖說明】
[0033] 附圖僅用于示出具體實施例的目的，而并不認為是對本發(fā)明的限制，在整個附圖 中，相同的參考符號表不相同的部件。
[0034] 圖1為本發(fā)明中機電系統(tǒng)的結構層次分解示意圖；
[0035] 圖2為本發(fā)明中機電系統(tǒng)的功能分層示意圖；
[0036]圖3為本發(fā)明中的柴油機燃油系統(tǒng)結構層次分解；
[0037] 圖4為本發(fā)明中柴油機燃油系統(tǒng)關聯(lián)關系示意圖；
[0038] 圖5為本發(fā)明中擴展FMEA中的映射關系示意圖。
[0039] 圖6為本發(fā)明具體實施例的方法流程圖。
【具體實施方式】
[0040] 下面結合附圖來具體描述本發(fā)明的優(yōu)選實施例，其中，附圖構成本申請一部分，并 與本發(fā)明的實施例一起用于闡釋本發(fā)明的原理。
[0041] 根據(jù)本發(fā)明的一個具體實施例，公開了一種機電系統(tǒng)的裝備健康評估方法，如圖6 所示，具體包括以下步驟：
[0042] 步驟S1、根據(jù)機電系統(tǒng)的設備特點、結構組成和功能組成，對機電系統(tǒng)進行結構和 功能分解;并獲取各子部件的歷史運行參數(shù)。
[0043] 因為對于不同參數(shù)，在進行故障診斷時，需要從結構/功能進行診斷，因此，綜合考 慮裝備系統(tǒng)的系統(tǒng)組成、結構及功能層次等多方面因素的情況下，
[0044] 如圖1所示，對機電系統(tǒng)進行綜合層次分解是從設備的硬件組成方面按照系統(tǒng)、子 系統(tǒng)、部件、零件對機電系統(tǒng)進行進行結構分解；
[0045] 如圖2所示，對機電系統(tǒng)進行綜合層次分解是從功能實現(xiàn)層次進行功能分解；
[0046] 以機電系統(tǒng)的典型設備柴油機為例，如圖3、圖4所不，對其按照系統(tǒng)一子系統(tǒng)一設 備一部件一零件進行結構分解，按照機電系統(tǒng)一子系統(tǒng)一功能一零件進行功能分解，分解 之后得到是零件所承載的功能。
[0047] 步驟S2、基于步驟S1的分解結果進行擴展失效模式與影響分析(aFMEA)，對系統(tǒng)的 各子部件的歷史運行參數(shù)進行數(shù)據(jù)分析和數(shù)據(jù)處理，確定表征故障的表征參數(shù)。
[0048] 具體地，通過數(shù)據(jù)趨勢分析方法確定參數(shù)間的故障傳遞關系;通過關聯(lián)分析找到 各參數(shù)之間的報警關系及閾值關系;確定表征故障的表征參數(shù)。
[0049] 例如，表征柴油機離心栗故障的參數(shù)包括:振動有效值、峰值、峭度、1倍頻頻率值 和幅值。
[0050] 步驟S3、在步驟S2確定的表征故障的表征參數(shù)的基礎上，確定影響系統(tǒng)健康的關 鍵特征因素集合構建表征早期狀態(tài)模式識別指標的多維空間參數(shù)。
[0051] 具體地，根據(jù)表征故障的表征參數(shù)與故障的相關程度，確定影響系統(tǒng)健康的關鍵 特征因素集合；
[0052] 根據(jù)多因素影響下早期狀態(tài)模式識別指標的特征因素分類構建表征早期狀態(tài)模 式識別指標的多維空間參數(shù)。
[0053] 例如，柴油機滑油系統(tǒng)的關鍵特征因素集合包括:滑油壓力、滑油溫度、滑油油中 水含量、滑油粘度、冷卻水溫度、冷卻水壓力等；
[0054]所構建的多維空間參數(shù)包括:滑油壓力(供油能力），滑油粘度(油液品質）、滑油油 中水(污染程度等）。
[0055] 步驟S4、獲取傳感器信號，根據(jù)步驟S3構建的多維空間參數(shù)進行故障異常檢測；
[0056] 獲取傳感器監(jiān)測參數(shù)信號;根據(jù)步驟S3得到的表征早期狀態(tài)模式識別指標的多維 空間參數(shù)對傳感器信號進行監(jiān)測參數(shù)的處理與特征提取;根據(jù)各參數(shù)的數(shù)據(jù)變動指數(shù)，進 行故障異常檢測;得到故障征兆后，根據(jù)故障排除程序，得到故障模式，并分析該故障模式 對上級設備和系統(tǒng)的故障影響。
[0057]其中，參數(shù)的數(shù)據(jù)變動指勠 其中X表示當前選中的參數(shù)序列，D(X)表
.， 示參數(shù)序列的方差，E(X)表示參數(shù)序列的平均值。
[0058]當0x超過預設閾值，則認為該參數(shù)異常。
[0059]根據(jù)本發(fā)明的一個具體實施例，所述方法進一步包括以下步驟:根據(jù)步驟S4得到 的該故障模式對上級設備和系統(tǒng)的故障影響，觸發(fā)維修決策。
[0060] 本發(fā)明有益效果如下：
[0061] 1、從結構組成和功能組成兩方面進行了機電系統(tǒng)分解；
[0062] 2、按照擴展FMECA分析流程，分析得到了機電系統(tǒng)的典型設備的早期狀態(tài)模式識 別指標集；
[0063] 3、按照系統(tǒng)的功能和結構分解，得到了機電系統(tǒng)的早期狀態(tài)模式識別指標集合。
[0064] 4、所述方法測試成本低、背景噪聲較弱、狀態(tài)信息完整，能夠滿足裝備健康管理的 fg息需求。
[0065] 以上所述，僅為本發(fā)明較佳的【具體實施方式】，但本發(fā)明的保護范圍并不局限于此， 任何熟悉本技術領域的技術人員在本發(fā)明揭露的技術范圍內，可輕易想到的變化或替換， 都應涵蓋在本發(fā)明的保護范圍之內。
【主權項】
1. 一種機電系統(tǒng)裝備健康評估方法，其特征在于，包括以下步驟： 步驟S1、根據(jù)機電系統(tǒng)的設備特點、結構組成和功能組成，對機電系統(tǒng)進行結構和功能 分解;并獲取各子部件的歷史運行參數(shù)； 步驟S2、基于步驟Sl的分解結果進行擴展失效模式與影響分析，對系統(tǒng)的各子部件的 歷史運行參數(shù)進行數(shù)據(jù)分析和數(shù)據(jù)處理，確定表征故障的表征參數(shù)； 步驟S3、在步驟S2確定的表征故障的表征參數(shù)的基礎上，確定影響系統(tǒng)健康的關鍵特 征因素集合，構建表征早期狀態(tài)模式識別指標的多維空間參數(shù)； 步驟S4、獲取傳感器信號，根據(jù)步驟S3構建的多維空間參數(shù)進行故障異常檢測。2. 根據(jù)權利要求1所述的機電系統(tǒng)裝備健康評估方法，其特征在于，步驟1中所述對機 電系統(tǒng)進行結構和功能分解進一步包括： 從硬件組成方面按照系統(tǒng)、子系統(tǒng)、部件、零件對機電系統(tǒng)進行進行結構分解;從功能 實現(xiàn)層次進行功能分解。3. 根據(jù)權利要求1所述的機電系統(tǒng)裝備健康評估方法，其特征在于，步驟S2中所述數(shù)據(jù) 分析和數(shù)據(jù)處理進一步包括： 通過數(shù)據(jù)趨勢分析方法確定參數(shù)間的故障傳遞關系;通過關聯(lián)分析找到各參數(shù)之間的 報警關系及閾值關系;確定表征故障的表征參數(shù)。4. 根據(jù)權利要求1所述的機電系統(tǒng)裝備健康評估方法，其特征在于，步驟S3中所述確定 影響系統(tǒng)健康的關鍵特征因素集合進一步包括： 根據(jù)表征故障的表征參數(shù)與故障的相關程度，確定影響系統(tǒng)健康的關鍵特征因素集 合。5. 根據(jù)權利要求1所述的機電系統(tǒng)裝備健康評估方法，其特征在于，步驟S3中所述建表 征早期狀態(tài)模式識別指標的多維空間參數(shù)進一步包括： 根據(jù)多因素影響下早期狀態(tài)模式識別指標的特征因素分類構建表征早期狀態(tài)模式識 別指標的多維空間參數(shù)。6. 根據(jù)權利要求1所述的機電系統(tǒng)裝備健康評估方法，其特征在于，步驟S4中所述根據(jù) 步驟S3構建的多維空間參數(shù)進行故障異常檢測進一步包括： 根據(jù)步驟S3得到的表征早期狀態(tài)模式識別指標的多維空間參數(shù)對傳感器信號進行監(jiān) 測參數(shù)的處理與特征提?。? 根據(jù)各參數(shù)的數(shù)據(jù)變動指數(shù)，進行故障異常檢測； 得到故障征兆后，根據(jù)故障排除程序，得到故障模式，并分析該故障模式對上級設備和 系統(tǒng)的故障影響。7. 根據(jù)權利要求1所述的機電系統(tǒng)裝備健康評估方法，其特征在于，所述方法進一步包 括以下步驟： 根據(jù)步驟S4得到的該故障模式對上級設備和系統(tǒng)的故障影響，觸發(fā)維修決策。
【文檔編號】G06Q10/06GK105930963SQ201610235875
【公開日】2016年9月7日
【申請日】2016年4月15日
【發(fā)明人】張成偉, 劉鵬鵬, 童峻, 童一峻, 陳卓, 陳桂玲, 許萌萌
【申請人】中國船舶工業(yè)系統(tǒng)工程研究院