CN112001091B - 一种用于直升机主减速器故障安全风险预警的方法 - Google Patents

一种用于直升机主减速器故障安全风险预警的方法 Download PDF

Info

Publication number
CN112001091B
CN112001091B CN202010902878.XA CN202010902878A CN112001091B CN 112001091 B CN112001091 B CN 112001091B CN 202010902878 A CN202010902878 A CN 202010902878A CN 112001091 B CN112001091 B CN 112001091B
Authority
CN
China
Prior art keywords
state
main reducer
flight state
health
flight
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010902878.XA
Other languages
English (en)
Other versions
CN112001091A (zh
Inventor
单添敏
王景霖
曹亮
沈勇
李胜男
刘莹
郭培培
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
AVIC Shanghai Aeronautical Measurement Controlling Research Institute
Original Assignee
AVIC Shanghai Aeronautical Measurement Controlling Research Institute
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by AVIC Shanghai Aeronautical Measurement Controlling Research Institute filed Critical AVIC Shanghai Aeronautical Measurement Controlling Research Institute
Priority to CN202010902878.XA priority Critical patent/CN112001091B/zh
Publication of CN112001091A publication Critical patent/CN112001091A/zh
Application granted granted Critical
Publication of CN112001091B publication Critical patent/CN112001091B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/08—Probabilistic or stochastic CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Operations Research (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Geometry (AREA)
  • Computing Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种用于直升机主减速器故障安全风险预警的方法，包含以下步骤：构建各飞行状态下的直升机主减速器的特征参数的协方差矩阵和归一化函数；构建各飞行状态下的主减速器健康度的退化曲线；根据当前的飞行状态和未来的飞行状态及其持续时间选择协方差矩阵、归一化参数和退化曲线；预测任务结束时的健康状态；步骤五：基于预测得到的任务结束时的健康状态和健康状态阈值实现故障预警。本发明基于飞行状态识别模型和各个工况下的性能退化曲线，结合任务需求，实现基于健康评估指标的主减速器故障安全风险预警。

Description

一种用于直升机主减速器故障安全风险预警的方法
技术领域
本发明属于直升机故障诊断与健康管理领域，具体涉及一种用于直升机故障安全风险预警的方法。
背景技术
对直升机主减速器的振动特性进行分析，可以认为直升机主减速器的振动主要来自于四个方面：主减速器本身的振动，飞行状态变化引起的振动，故障引发的振动和故障引发的噪声。在进行故障诊断与预测时，若飞行状态变化引起的振动变化大于健康状态变化引发的振动变化，则会对诊断与预测结果进行干扰。
通常，直升机在飞行过程中状态多变，扭矩、速度等参数变化频繁，导致直升机主减速器的振动特性变化较大从而掩盖了因其本身健康状态变化而产生的振动特性的变化。因此，为提高直升机主减速器故障安全风险预警的可信度，尽可能减小飞行状态变化导致的影响，需要开展多飞行状态下直升机主减速器寿命预测研究。
发明内容
本发明的发明目的在于提供一种用于直升机主减速器故障安全风险预警的方法，采用基于马氏距离的方法将直升机主减速器的振动特征参数融合成单一的健康评估指标，并基于飞行状态识别模型和各个工况下的性能退化曲线，结合任务需求，实现基于健康评估指标的主减速器故障安全风险预警。
本发明的发明目的通过以下技术方案实现：
一种用于直升机主减速器故障安全风险预警的方法，包含以下步骤：
步骤一：基于各飞行状态下的直升机主减速器的正常状态特征参数样本数据，构建各飞行状态下的直升机主减速器的特征参数的协方差矩阵和归一化函数；
步骤二：基于各飞行状态下的直升机主减速器的全寿命退化样本数据代入步骤一构建的各状态协方差矩阵和归一化函数，全寿命退化样本数据多参数融合成健康度，从而构建各飞行状态下的主减速器健康度的退化曲线；
步骤三：基于飞行状态识别模型，识别当前的飞行状态，并基于任务需求，确定未来的飞行状态及其持续时间，从而选择协方差矩阵、归一化参数和退化曲线；
步骤四：根据选择的协方差矩阵、归一化函数、退化曲线、未来飞行状态持续时间以及当前的监测参数，预测任务结束时的健康状态；
步骤五：基于预测得到的任务结束时的健康状态和健康状态阈值实现故障预警。
附图说明
下面结合附图和具体实施方式对本发明做进一步说明。
图1为正常状态样本马氏距离计算；
图2为正常状马氏距离阈值计算；
图3为健康度预测。
图4为一种用于直升机主减速器故障安全风险预警的方法的流程示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。
如图4所示，本实施例所示的一种用于直升机主减速器故障安全风险预警的方法，包含以下步骤：
步骤一：基于各飞行状态下的直升机主减速器的正常状态特征参数样本数据，构建各飞行状态下的直升机主减速器的特征参数的协方差矩阵和归一化函数。
X是直升机主减速器在某一飞行状态下的正常状态特征参数样本数据，为n×m矩阵，其中m为主减速器的特征参数的个数，n为特征参数的正常状态样本量。
计算X各列的均值μj和标准差σj，计算公式为：
Figure BDA0002660352860000031
Figure BDA0002660352860000032
xij为X中的第j列的第i行。
根据均值μj和标准差σj将X标准化，计算公式为
Figure BDA0002660352860000033
得到标准化后的正常状态样本数据X′。
计算协方差矩阵R，计算公式为R(i,j)＝cov(Xi′,Xj′)，其中Xi′和Xj′分别为矩阵X′的第i行和第j列。
计算标准化后的正常状态样本数据X′的马氏距离D0，计算公式为
Figure BDA0002660352860000034
其中X′(i,:)为X′的第i行元素，μ′为X′每列元素求均值得到的均值向量，由于X′为标准化后数据，因此μ′为零向量，则计算公式为
Figure BDA0002660352860000035
如图1所示。
计算D0的均值μD和标准差σD，计算公式为
Figure BDA0002660352860000036
Figure BDA0002660352860000037
根据k倍σ原则确定D0的阈值TD，通常k取值为3，计算公式为TD＝μD+3σD，如图2所示。
选择指数型归一化公式：
Figure BDA0002660352860000041
其中D为马氏距离值，HI为健康度值，a为归一化公式参数，设定阈值TD对应的健康度值为HID＝0.5，则归一化参数a的计算公式为：
Figure BDA0002660352860000042
用同样的方法可以得到其他飞行状态下的协方差矩阵和归一化参数。
步骤二：基于各飞行状态下的直升机主减速器的全寿命退化样本数据代入步骤一构建的各状态协方差矩阵和归一化函数，全寿命退化样本数据多参数融合成健康度，从而构建各飞行状态下的主减速器健康度的退化曲线。
Y是主减速器在某一飞行状态下的特征参数全寿命周期样本数据，为k×m矩阵，其中m为特征参数个数，k为特征参数的全寿命周期样本量。基于步骤一的得到的该飞行状态下的协方差矩阵和归一化参数，得到该飞行状态下主减速器健康度的全寿命退化数据。基于健康度全寿命退化数据，采用多项式拟合的方法构建该飞行状态下的健康度退化曲线HI＝f1(t)。
步骤三：基于飞行状态识别模型，识别当前的飞行状态，并基于任务需求，确定未来的飞行状态及其持续时间，从而选择协方差矩阵、归一化参数和退化曲线。
基于直升机飞行状态参数对直升机进行飞行状态识别。对状态参数偏航角进行差分，考虑飞行状态的时间连续性，并根据偏航角差分值变化特点，选定至少连续3s，且偏航角差分值绝对值小于1，将偏航角参数数据分为一段段满足此条件的数据序列。在此基础上，将每一段序列的偏航角差分值方差小于0.25作为非转弯状态阈值，得到非转弯状态划分的数据，则另一部分即为非转弯的状态数据，将飞参数据分为飞行状态转弯与非转弯状态。
分别在转弯与非转弯状态数据中，根据状态参数无线电高度阈值270米进行高低空划分，高度阈值Hp大于270米分为直升机高空飞行状态，Hp小于等于270米为低空飞行状态；
对直升机平飞非平飞状态进行划分，对无线电高度进行差分，选定至少连续3s，且无线电高度差分值绝对值小于2.5，将无线电高度参数数据分为一段段满足此条件的数据序列。在此基础上，将每一段序列的无线电高度差分值方差小于1.8的序列作为平飞限定条件，得到平飞状态数据，则其余数据为非平飞状态数据。在非平飞状态中，无线电高度值在每段至少连续3s的无线电高度时间序列中呈单调递增，选取飞行上升状态。在非平飞状态中，无线电高度值在每段至少连续3s的无线电高度时间序列中呈单调递减的状态，为飞行下降状态。
将飞行状态根据速度大小变化范围进行划分，具体分为：最小速度范围(速度小于4km/h)，4km/h～74km/h，过度速度范围(74km/h～94km/h)，94km/h～130km/h，130km/h～190km/h，远航速度(190km/h～215km/h)，最大速度范围(速度大于215km/h)。
在以上各个状态划分的基础上，在每个状态中，将指示空速度差分值的时间序列绝对值至少连续3s，且每段至少连续3s的指示空速度时间序列中满足呈单调递增的状态划分为直升机加速状态。将指示空速度差分值的时间序列绝对值至少连续3s且每段至少连续3s的指示空速度时间序列满足单调递减的状态划分为直升机减速状态。
基于上述飞行状态识别方法，识别当前状态的飞行状态Z1，并基于任务需求，Z1持续时间T1，以及未来的飞行状态{Z2,Z3,…,Zs}及其持续时间{T2,T3,…,Ts}，从而选择当前飞行状态的协方差矩阵R1、归一化函数a1和当前及未来飞行状态的健康度退化曲线{f1,f2,…,fs}。
步骤四：根据选择的协方差矩阵、归一化函数、退化曲线、未来飞行状态持续时间以及当前的监测参数，预测任务结束时的健康状态。
基于步骤三选择的当前飞行状态的协方差矩阵R1、归一化函数a1和当前状态特征参数值，得到当前状态的健康度HI0，并根据当前状态的健康度退化曲线得到当前时间的理论退化时间
Figure BDA0002660352860000061
结合当前状态的预计持续时间T1得到当前状态结束时的健康度预测值HI1＝f1(t1+T1)，基于HI1和飞行状态Z2的退化曲线f2、预计持续时间T2可得到飞行状态Z2开始时刻的理论退化时间
Figure BDA0002660352860000062
和结束时刻的健康度预测值HI2＝f2(t2+T2)，重复上述步骤可以得到未来最后一个飞行状态Zs对应的开始时刻理论退化时间
Figure BDA0002660352860000063
和结束时刻的健康度预测值HIs＝fs(ts+Ts)，如图3所示。
步骤五：基于预测得到的任务结束时的健康状态和健康状态阈值实现故障预警。
将预测得到的任务结束时刻的健康度预测值HIs与健康度告警阈值HITH进行比较判断是否在当前时刻预警，预警规则为：若HIs≤HITH则进行预警。

Claims (2)

1.一种用于直升机主减速器故障安全风险预警的方法，包含以下步骤：
步骤一：基于各飞行状态下的直升机主减速器的正常状态特征参数样本数据，构建各飞行状态下的直升机主减速器的特征参数的协方差矩阵和归一化函数；
步骤二：基于各飞行状态下的直升机主减速器的全寿命退化样本数据代入步骤一构建的各状态协方差矩阵和归一化函数，全寿命退化样本数据多参数融合成健康度，从而构建各飞行状态下的主减速器健康度的退化曲线；
步骤三：基于飞行状态识别模型，识别当前的飞行状态，并基于任务需求，确定未来的飞行状态及其持续时间，从而选择协方差矩阵、归一化参数和退化曲线；
步骤四：根据选择的协方差矩阵、归一化函数、退化曲线、未来飞行状态持续时间以及当前的监测参数，预测任务结束时的健康状态；
步骤五：基于预测得到的任务结束时的健康状态和健康状态阈值实现故障预警。
2.根据权利要求1所述的一种用于直升机主减速器故障安全风险预警的方法，其特征在于步骤一包含以下步骤：
X是直升机主减速器在某一飞行状态下的正常状态特征参数样本数据，为n×m矩阵，其中m为主减速器的特征参数的个数，n为特征参数的正常状态样本量；
计算X各列的均值μj和标准差σj，计算公式为：
Figure FDA0003679054840000011
Figure FDA0003679054840000012
xij为X中的第j列的第i行；
根据均值μj和标准差σj将X标准化，计算公式为
Figure FDA0003679054840000021
得到标准化后的正常状态样本数据X′；
计算协方差矩阵R，计算公式为R(i,j)＝cov(X′i,X′j)，其中X′i和X′j分别为矩阵X′的第i行和第j列；
计算标准化后的正常状态样本数据X′的马氏距离D0，计算公式为
Figure FDA0003679054840000022
其中X′(i,:)为X′的第i行元素；
计算D0的均值μD和标准差σD，计算公式为
Figure FDA0003679054840000023
Figure FDA0003679054840000024
根据k倍σ原则确定D0的阈值TD，计算公式为TD＝μD+kσD；
归一化参数a的计算公式为：
Figure FDA0003679054840000025
其中，HI为健康度值。
CN202010902878.XA 2020-09-01 2020-09-01 一种用于直升机主减速器故障安全风险预警的方法 Active CN112001091B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010902878.XA CN112001091B (zh) 2020-09-01 2020-09-01 一种用于直升机主减速器故障安全风险预警的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010902878.XA CN112001091B (zh) 2020-09-01 2020-09-01 一种用于直升机主减速器故障安全风险预警的方法

Publications (2)

Publication Number Publication Date
CN112001091A CN112001091A (zh) 2020-11-27
CN112001091B true CN112001091B (zh) 2022-08-30

Family

ID=73465137

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010902878.XA Active CN112001091B (zh) 2020-09-01 2020-09-01 一种用于直升机主减速器故障安全风险预警的方法

Country Status (1)

Country Link
CN (1) CN112001091B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113283315B (zh) * 2021-05-12 2022-04-05 中国航空工业集团公司上海航空测控技术研究所 一种多飞行状态直升机故障动态监测告警方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105758633A (zh) * 2016-02-26 2016-07-13 中国航空工业集团公司上海航空测控技术研究所 一种用于评估齿轮箱各部件健康状态的方法
CN106203637A (zh) * 2016-06-27 2016-12-07 西北工业大学 一种基于马氏距离和健康指数的机载系统健康评估方法
CN108228977A (zh) * 2017-12-14 2018-06-29 中国航空工业集团公司上海航空测控技术研究所 一种基于飞行状态参数的直升机振动特征折算方法
CN109376881A (zh) * 2018-12-12 2019-02-22 中国航空工业集团公司上海航空测控技术研究所 基于维修成本优化的复杂系统维修决策方法
CN109670145A (zh) * 2018-12-12 2019-04-23 中国航空工业集团公司上海航空测控技术研究所 基于观测器的直升机主减速器振动特征阈值设置方法
CN109886430A (zh) * 2019-01-24 2019-06-14 同济大学 一种基于工业大数据的设备健康状态评估与预测方法
CN110457731A (zh) * 2019-05-28 2019-11-15 中国航空工业集团公司上海航空测控技术研究所 一种应用于直升机动部件振动趋势分析的方法
CN110567722A (zh) * 2019-05-13 2019-12-13 上海飞机客户服务有限公司 一种基于性能参数的民机发动机起动系统健康监测方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105758633A (zh) * 2016-02-26 2016-07-13 中国航空工业集团公司上海航空测控技术研究所 一种用于评估齿轮箱各部件健康状态的方法
CN106203637A (zh) * 2016-06-27 2016-12-07 西北工业大学 一种基于马氏距离和健康指数的机载系统健康评估方法
CN108228977A (zh) * 2017-12-14 2018-06-29 中国航空工业集团公司上海航空测控技术研究所 一种基于飞行状态参数的直升机振动特征折算方法
CN109376881A (zh) * 2018-12-12 2019-02-22 中国航空工业集团公司上海航空测控技术研究所 基于维修成本优化的复杂系统维修决策方法
CN109670145A (zh) * 2018-12-12 2019-04-23 中国航空工业集团公司上海航空测控技术研究所 基于观测器的直升机主减速器振动特征阈值设置方法
CN109886430A (zh) * 2019-01-24 2019-06-14 同济大学 一种基于工业大数据的设备健康状态评估与预测方法
CN110567722A (zh) * 2019-05-13 2019-12-13 上海飞机客户服务有限公司 一种基于性能参数的民机发动机起动系统健康监测方法
CN110457731A (zh) * 2019-05-28 2019-11-15 中国航空工业集团公司上海航空测控技术研究所 一种应用于直升机动部件振动趋势分析的方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于健康基线和马氏距离的液压系统变工况健康评估;宋登巍等;《系统仿真技术》;20170831;全文 *
基于多参数融合相似的民航发动机寿命预测;曹惠玲等;《中国机械工程》;20200430;全文 *
基于改进马田系统的复杂系统健康状态评估;彭宅铭等;《系统工程与电子技术》;20200212(第04期);全文 *

Also Published As

Publication number Publication date
CN112001091A (zh) 2020-11-27

Similar Documents

Publication Publication Date Title
US10867455B2 (en) Diagnostics, prognostics, and health management for vehicles using kinematic clusters, behavioral sensor data, and maintenance impact data
Inagaki Adaptive automation: Sharing and trading of control
US20190018375A1 (en) Apparatus and method for event detection and duration determination
US11922738B2 (en) Fusion of aviation-related data for comprehensive aircraft system health monitoring
CN108801387B (zh) 一种基于学习模型的飞机油箱剩余油量测量系统和方法
CA2782105C (en) Heuristic method for computing performance of an aircraft
CN102062619A (zh) 用于通过预测推理来分析复杂系统的方法系统和装置
CN112001091B (zh) 一种用于直升机主减速器故障安全风险预警的方法
CN107438093A (zh) 用于从远程系统进行数据采集的系统和方法
CN105480228B (zh) 增强的车辆速度控制
CN1688896A (zh) 多传感器信息汇合技术
TW201717144A (zh) 監測製造裝置的方法、裝置、系統與非暫存電腦可讀儲存媒介
CN112884051A (zh) 数据驱动的轻量级无人机多部件在线复杂故障诊断方法
US11822546B2 (en) Method, apparatus and computer program for automatically processing data identifiers
CN110457731B (zh) 一种应用于直升机动部件振动趋势分析的方法
CN115809435A (zh) 基于模拟器的汽车运行故障识别方法
CN115630531A (zh) 无人机控制系统自动化安全评估方法
US20220076509A1 (en) Malfunction diagnosing system
CN116235148A (zh) 干泵宕机的预警方法、装置、电子设备、存储介质及程序
EP3683641A1 (en) Methods for determining usage in fly-by-wire systems
CN115167147A (zh) 一种基于推力残差估计的蜂群无人机分布式故障诊断方法
CN112965965A (zh) 一种基于模糊预测系统的野值剔除方法、系统及计算机相关产品
CN109545000B (zh) 前视地形告警边界计算方法
JP2023506652A (ja) メカトロニクスシステムの安全な経路計画方法
CN117553800B (zh) Agv定位与路径规划方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant