CN114091268A - 一种基于节点重要度与层次分析法的无人机健康状况评估方法 - Google Patents
一种基于节点重要度与层次分析法的无人机健康状况评估方法 Download PDFInfo
- Publication number
- CN114091268A CN114091268A CN202111408093.8A CN202111408093A CN114091268A CN 114091268 A CN114091268 A CN 114091268A CN 202111408093 A CN202111408093 A CN 202111408093A CN 114091268 A CN114091268 A CN 114091268A
- Authority
- CN
- China
- Prior art keywords
- node
- index
- unmanned aerial
- aerial vehicle
- calculating
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000036541 health Effects 0.000 title claims abstract description 51
- 230000008569 process Effects 0.000 title claims abstract description 20
- 239000011159 matrix material Substances 0.000 claims abstract description 37
- 238000011156 evaluation Methods 0.000 claims abstract description 31
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 238000012423 maintenance Methods 0.000 claims abstract description 9
- 238000012544 monitoring process Methods 0.000 claims description 21
- 230000015556 catabolic process Effects 0.000 claims description 11
- 238000006731 degradation reaction Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 9
- 230000006866 deterioration Effects 0.000 claims description 9
- 230000005484 gravity Effects 0.000 claims description 8
- 238000013210 evaluation model Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 6
- 230000003862 health status Effects 0.000 claims description 5
- 230000009471 action Effects 0.000 claims description 3
- 230000004913 activation Effects 0.000 claims description 3
- 238000003780 insertion Methods 0.000 claims description 3
- 230000037431 insertion Effects 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 150000001875 compounds Chemical class 0.000 claims 1
- 238000013499 data model Methods 0.000 claims 1
- 230000000737 periodic effect Effects 0.000 abstract 1
- 238000011160 research Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000003245 working effect Effects 0.000 description 1
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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Algebra (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于节点重要度与层次分析法的无人机健康状况评估方法。目前无人机系统的评估和检修工作只能依赖周期性的人工判断,不能准确的作出评估。本发明的步骤包括:依据信号传播方向建立无人机系统的符号有向图模型,获取节点度、节点距离及邻接矩阵;根据改进引力方法,计算节点重要度;应用层次分析法,获取指标的综合权重;构造改进岭型分布隶属函数,划分评价等级,获取评估结果。本发明方案通过典型四旋翼无人机系统的案例,通过科学定量的计算完成定性评估,确保了评估结果的合理性与准确性。
Description
技术领域
本发明涉及一种针对无人机系统健康状态基于节点重要度与层次分析法的模糊综合评估方法,属于飞行器健康管理技术领域。
背景技术
随着电子信息技术的不断发展,无人机在各个领域中都有广泛应用,在商业、医疗、农业、军工等方面发挥着重要作用。无人机技术研究发展已经有几十年,在控制理论方面涌现了相当多稳定可靠的控制方法。但是在实际的工程应用中,预设的控制手段并不能保证无人机百分百的稳定工作,安全性始终是不可避开的课题。飞行器的健康管理已经成为了重要研究方向,目前针对健康管理方面的研究主要集中在数据处理和监测方面,而健康评估作为健康管理的重要组成部分,通过使用量化指标可以有效提高系统的可靠性,对这方面的研究较少。健康状况评估可以让工作人员实时了解无人机系统的工作状况,以此判断系统的工作性能,从而合理的预测寿命,并进行后期的检修安排。因此,实现对无人机系统的健康状况评估是非常有必要的。
目前,无人机系统的健康评估主要以人工检测与专家评断为主,定期进行一定规模的系统重要指标检测,根据测试报告交由专家判断健康状况。这样的评估模式在实际工程中常见,但在实际应用过程和效果上存在诸多问题:
(1)检测的周期无法确定,周期太小会导致人力、物力和财力的耗费,周期太大可能会错过最佳时间,导致故障不能得到及时处理,造成更大的损失;
(2)工人检测报告只能对单一指标进行标定,无法对整体无人机系统进行全面有效的判断
(3)专家判断给出的检修意见带有经验与个人情感,给出的结果与数据没有科学的保证。
(4)此外,有很多基于数据的处理手段进行状态评估,但这类方法需要数据进行拟优化和深度学习,在一定程度上改变了真实性,并不适合投入工程使用。
发明内容
发明目的:为了完成无人机系统的健康管理体系,针对现有的技术方法,提出了一种基于节点重要度与层次分析法的无人机系统健康状况评估方法,以达到实时评估,为检修与寿命预测奠定基础。利用节点重要度计算判断矩阵,以保证矩阵元素的科学性与准确性。在模糊评价的过程中,考虑到健康等级的模糊不确定性,采用岭型分布隶属函数,该函数曲线平滑,计算简单,能够反映不同区间的隶属度,从而划分等级状况。
技术方案:一种基于节点重要度与层次分析法的无人机健康状况评估方法,基于经验或数学模型建立无人机系统的符号有向图模;根据改进引力方法,计算节点重要度,并以此构造初始判断矩阵,确保了判断矩阵的合理性与科学性;基于层次分析法,建立无人机系统分层评估模型,并完成初始判断矩阵一致性优化,计算指标权重;根据实时监测数据与专家测评,获取指标工作状态下的劣化度;构造隶属函数,划分健康状况评估等级,解决区间模糊问题,依据最大隶属度确定无人机系统健康状况等级。针对无人机系统健康状况评估方法,具体包括如下步骤:
步骤1)建立符号有向图模型:
节点表示系统的元部件指标,支路表示指标间的信息传播方向。支路上用符号“+”表示正相关关系,用符号“-”表示负相关关系。
步骤2)计算节点重要度
步骤2.1)根据符号有向图获取节点度Di,节点距离λij和邻接矩阵A;Di表示与节点i直接相邻的节点个数;λij表示从节点i到节点j的最短可达路径的支路条数;A中的元素aij取值为0或1,0表示从节点i到节点j没有直达支路,1表示从节点i到节点j存在直达支路。
步骤2.2)计算改进引力方法的各项参数
步骤2.2.1)计算引力系数ε:
步骤2.2.2)计算节点贡献度ψi:
式中,α表示节点对象作用范围的调控参数,调控范围越大,α的取值越大。
步骤2.2.3)计算节点介入度Mi:
步骤2.2.4)计算节点接近度χi:
步骤2.3)综合计算节点重要度Ii:
式中,K表示平衡系数,μ表示权重系数,两者实现对节点重要度的特定调控。
步骤3)应用层次分析法计算指标权重
步骤3.1)构造初始判断矩阵,采用节点重要度比值法,可以构建如下的判断矩阵J:
式中,n表示指标的数量,pij表示第i个指标相对于第j个指标的模糊判断关系,满足如下特征:
pii=1(i=1,2,…,n) (7)
步骤3.2)采用拟优一致化方法,确保矩阵满足一致性要求。
步骤3.2.1)构造过渡矩阵L,满足如下特征:
L=(lij)n×n=(ln pij)n×n=ln P (8)
步骤3.2.2)计算最优传递矩阵T:
步骤3.2.3)计算拟优一致传递矩阵Y,计算公式为:
步骤3.3)根据满足一致性要求的矩阵Y,通过列和求逆法计算各指标的综合权重向量W:
步骤4)用Ω1,Ω2,…,Ωn表征n个指标的状态监测参数,计算相对劣化度描述无人机系统的各指标状态,取值范围为[0,1];0表示完全健康状态,1表示完全失控状态。依据监测参数的不同类型,具有不同的计算方法如下:
步骤4.1)对于可以用状态监测参数(包括在线和离线监测参数)和性能参数来反映装备状态的情况:
步骤4.1.1)对于存在阈值上限的特征参数指标:
式中Ω0表示该指标的正常运行参数值;Ωmax表示该指标失效的状态阈值上限;Ωi表示该指标的监测参数值;β的取值反映该状态指标在系统运行中的地位,通常取1表明指标状态参数与劣化度之间呈正相关关系。
步骤4.1.2)对于存在阈值上限的特征参数指标:
式中,Ωmin表示该指标失效的状态阈值下限。
步骤4.1.3)对于存在某一阈值范围的特征参数指标:
式中,[Ω2,Ω3]表示该指标正常工作的状态范围;[Ω1,Ω4]表示该指标失效的状态阈值范围。
步骤4.2)对于难以直接监测、但可得到故障间隔统计值的情况:
式中,τ表示该指标从启用(或更换)起已工作的时间;T表示该指标允许运行时间。
步骤4.3)对于无法进行状态监测、且没有故障间隔期统计值的情况,可由维修人员、检测人员和使用人员打分估计:
式中,a,b,c分别表示维修人员、检测人员和使用人员的打分,其值介于0到1之间:0表示无劣化即最优状态,1表示完全劣化即最差状态;w1,w2,w3分别为相应权重,且满足w1+w2+w3=1。
步骤5)无人机健康状况综合评估
步骤5.1)无人机健康状况综合评估模型将无人机健康状态分为四个等级:健康、亚健康、故障、毁损;各状况等级的标度区间划分如表1所示:
表1无人机健康状况等级及区间划分
式中,δ1,δ2和δ3为可变区间端点,满足0<δ1<δ2<δ3<1。
步骤5.3)获取各指标的综合隶属度矩阵Ξ如下:
步骤5.4)得到无人机系统健康状况的综合评估隶属度向量:
Γ=W×Ξ=[Γ1,Γ2,Γ3,Γ4] (22)
步骤5.5)根据最大隶属度原则,确定状态等级。
有益效果:
(1)可以根据实时的监测数据获取实时的健康状态评估,提高了预测性,降低了重大故障的风险;
(2)多指标变量综合加权评价,保证了结果的科学性与合理性;
(3)通过科学的模型推演,公式计算,函数构造获取定量运算结果,实现定性的模糊等级评估,确保了评估结果的可靠性与准确性。
附图说明
图1是本发明方法的流程图;
图2是Quanser公司研制的QStudioRP四旋翼实验平台;
图3是QStudioRP的符号有向图模型;
具体实施方式
下面结合附图对本发明的方案做更进一步的说明。
如图1所示,一种基于节点重要度与层次分析法的无人机健康状况评估方法,一种基于节点重要度与层次分析法的无人机健康状况评估方法,基于经验或数学模型建立无人机系统的符号有向图模;根据改进引力方法,计算节点重要度,并以此构造初始判断矩阵,确保了判断矩阵的合理性与科学性;基于层次分析法,建立无人机系统分层评估模型,并完成初始判断矩阵一致性优化,计算指标权重;根据实时监测数据与专家测评,获取指标工作状态下的劣化度;构造隶属函数,划分健康状况评估等级,解决区间模糊问题,依据最大隶属度确定无人机系统健康状况等级。针对无人机系统健康状况评估方法,具体包括如下步骤:
步骤1)建立符号有向图模型:
节点表示系统的元部件指标,支路表示指标间的信息传播方向。支路上用符号“+”表示正相关关系,用符号“-”表示负相关关系。
步骤2)计算节点重要度:
步骤2.1)根据符号有向图获取节点度Di,节点距离λij和邻接矩阵A;Di表示与节点i直接相邻的节点个数;λij表示从节点i到节点j的最短可达路径的支路条数;A中的元素aij取值为0或1,0表示从节点i到节点j没有直达支路,1表示从节点i到节点j存在直达支路。
步骤2.2)计算改进引力方法的各项参数
步骤2.2.1)计算引力系数ε:
步骤2.2.2)计算节点贡献度ψi:
式中,α表示节点对象作用范围的调控参数,调控范围越大,α的取值越大。
步骤2.2.3)计算节点介入度Mi:
步骤2.2.4)计算节点接近度χi:
步骤2.3)综合计算节点重要度Ii:
式中,K表示平衡系数,μ表示权重系数,两者实现对节点重要度的特定调控。
步骤3)应用层次分析法计算指标权重
步骤3.1)构造初始判断矩阵,采用节点重要度比值法,可以构建如下的判断矩阵J:
式中,n表示指标的数量,pij表示第i个指标相对于第j个指标的模糊判断关系,满足如下特征:
pii=1(i=1,2,…,n) (7)
步骤3.2)采用拟优一致化方法,确保矩阵满足一致性要求。
步骤3.2.1)构造过渡矩阵L,满足如下特征:
L=(lij)n×n=(ln pij)n×n=ln P (8)
步骤3.2.2)计算最优传递矩阵T:
步骤3.2.3)计算拟优一致传递矩阵Y,计算公式为:
步骤3.3)根据满足一致性要求的矩阵Y,通过列和求逆法计算各指标的综合权重向量W:
步骤4)用Ω1,Ω2,…,Ωn表征n个指标的状态监测参数,计算相对劣化度描述无人机系统的各指标状态,取值范围为[0,1];0表示完全健康状态,1表示完全失控状态。依据监测参数的不同类型,具有不同的计算方法如下:
步骤4.1)对于可以用状态监测参数(包括在线和离线监测参数)和性能参数来反映装备状态的情况:
步骤4.1.1)对于存在阈值上限的特征参数指标:
式中Ω0表示该指标的正常运行参数值;Ωmax表示该指标失效的状态阈值上限;Ωi表示该指标的监测参数值;β的取值反映该状态指标在系统运行中的地位,通常取1表明指标状态参数与劣化度之间呈正相关关系。
步骤4.1.2)对于存在阈值上限的特征参数指标:
式中,Ωmin表示该指标失效的状态阈值下限。
步骤4.1.3)对于存在某一阈值范围的特征参数指标:
式中,[Ω2,Ω3]表示该指标正常工作的状态范围;[Ω1,Ω4]表示该指标失效的状态阈值范围。
步骤4.2)对于难以直接监测、但可得到故障间隔统计值的情况:
式中,τ表示该指标从启用(或更换)起已工作的时间;T表示该指标允许运行时间。
步骤4.3)对于无法进行状态监测、且没有故障间隔期统计值的情况,可由维修人员、检测人员和使用人员打分估计:
式中,a,b,c分别表示维修人员、检测人员和使用人员的打分,其值介于0到1之间;0表示无劣化即最优状态,1表示完全劣化即最差状态;w1,w2,w3分别为相应权重,且满足w1+w2+w3=1。
步骤5)无人机健康状况综合评估
步骤5.1)无人机健康状况综合评估模型将无人机健康状态分为四个等级:健康、亚健康、故障、毁损;各状况等级的标度区间划分如表1所示:
表1无人机健康状况等级及区间划分
式中,δ1,δ2和δ3为可变区间端点,满足0<δ1<δ2<δ3<1。
步骤5.3)获取各指标的综合隶属度矩阵Ξ如下:
步骤5.4)得到无人机系统健康状况的综合评估隶属度向量Γ:
Γ=W×Ξ=[Γ1,Γ2,Γ3,Γ4] (22)
步骤5.5)根据最大隶属度原则,确定状态等级。
以上如图1所示的一种基于节点重要度与层次分析法的无人机健康状况评估方法是本发明的具体实施方式,体现了本发明的特点与创新,应当指出,在实际应用的过程中,技术人员在不脱离本发明方法的前提下,对其进行适当的修改与润色,均视为本发明的保护范围。
下面以实际案例仿真说明实施方案的有效性。
以加拿大Quanser公司研制的QStudioRP四旋翼实验平台为研究对象,QStudioRP的硬件主体如图2所示。
首先提取指标节点,并建立如图3所示的符号有向图模型,各节点编号对应的节点指标如表1:
表1节点与对应指标
计算各节点指标重要度,结果如表2:
表2各节点指标重要度
根据层次分析法,计算指标权重如表3:
表3各节点指标权重
假设注入前侧电源电压损失故障,考虑到信号传输的延迟,采集5秒后的指标监测参数,并由此计算节点指标的劣化度,部分见表4:
表4前侧电源电压损失故障下的部分指标劣化度
设置状态等级划分区间,如表5:
表5无人机健康状况等级及区间划分
计算各指标的状态等级隶属度及系统的综合隶属度,如表6:
表6综合评估隶属度结果
此案例的结果表明,该状态下无人机系统处于故障状态,且可以判断是由亚健康状态像故障状态过渡的过程。在实际系统的运行下,前侧电机电源损失故障下,5秒内由于故障的传播,导致前侧电机电压损失,旋翼转速下降,在控制器失去作用或无法作用不明显的情况下,无人机系统整体失衡,处于故障状态。因此,本案例的结果可靠,本发明的方案计算结果有一定可靠性,适用于实际工程问题。
Claims (1)
1.一种基于节点重要度与层次分析法的无人机健康状况评估方法,其特点在于:
1)建立符号有向图模型,方法包括基于经验和基于数据模型;
2)根据改进引力方法,计算节点重要度,计算公式中包含多项平衡系数用于人工调试;
3)建立无人机系统健康状况评估模型,建立层次分析法,至少包含两层即目标层和指标层;目标层表示无人机系统健康状况等级,指标层表示同等级别的评估指标;
4)完成初始判断矩阵一致性优化,计算指标权重;
5)根据实时监测数据,得到无人机系统各指标的劣化度;
6)构造隶属函数,划分健康状况评估等级,完成无人机系统健康状况的定性评估;
主要包括如下具体步骤:
步骤1)建立符号有向图模型:
节点表示系统的元部件指标,支路表示指标间的信息传播方向。支路上用符号“+”表示正相关关系,用符号“-”表示负相关关系。
步骤2)计算节点重要度
步骤2.1)根据符号有向图获取节点度Di,节点距离λij和邻接矩阵A;Di表示与节点i直接相邻的节点个数;λij表示从节点i到节点j的最短可达路径的支路条数;A中的元素aij取值为0或1,0表示从节点i到节点j没有直达支路,1表示从节点i到节点j存在直达支路。
步骤2.2)计算改进引力方法的各项参数
步骤2.2.1)计算引力系数ε:
步骤2.2.2)计算节点贡献度ψi:
式中,α表示节点对象作用范围的调控参数,调控范围越大,α的取值越大。
步骤2.2.3)计算节点介入度Mi:
步骤2.2.4)计算节点接近度χi:
步骤2.3)综合计算节点重要度Ii:
式中,K表示平衡系数,μ表示权重系数,两者实现对节点重要度的特定调控。
步骤3)应用层次分析法计算指标权重
步骤3.1)构造初始判断矩阵,采用节点重要度比值法,可以构建如下的判断矩阵J:
式中,n表示指标的数量,pij表示第i个指标相对于第j个指标的模糊判断关系,满足如下特征:
步骤3.2)采用拟优一致化方法,确保矩阵满足一致性要求。
步骤3.2.1)构造过渡矩阵L,满足如下特征:
L=(lij)n×n=(ln pij)n×n=ln P (8)
步骤3.2.2)计算最优传递矩阵T:
步骤3.2.3)计算拟优一致传递矩阵Y,计算公式为:
步骤3.3)根据满足一致性要求的矩阵Y,通过列和求逆法计算各指标的综合权重向量W:
步骤4)用Ω1,Ω2,…,Ωn表征n个指标的状态监测参数,计算相对劣化度描述无人机系统的各指标状态,取值范围为[0,1];0表示完全健康状态,1表示完全失控状态。依据监测参数的不同类型,具有不同的计算方法如下:
步骤4.1)对于可以用状态监测参数(包括在线和离线监测参数)和性能参数来反映装备状态的情况:
步骤4.1.1)对于存在阈值上限的特征参数指标:
式中Ω0表示该指标的正常运行参数值;Ωmax表示该指标失效的状态阈值上限;Ωi表示该指标的监测参数值;β的取值反映该状态指标在系统运行中的地位,通常取1表明指标状态参数与劣化度之间呈正相关关系。
步骤4.1.2)对于存在阈值上限的特征参数指标:
式中,Ωmin表示该指标失效的状态阈值下限。
步骤4.1.3)对于存在某一阈值范围的特征参数指标:
式中,[Ω2,Ω3]表示该指标正常工作的状态范围;[Ω1,Ω4]表示该指标失效的状态阈值范围。
步骤4.2)对于难以直接监测、但可得到故障间隔统计值的情况:
式中,τ表示该指标从启用(或更换)起已工作的时间;T表示该指标允许运行时间。
步骤4.3)对于无法进行状态监测、且没有故障间隔期统计值的情况,可由维修人员、检测人员和使用人员打分估计:
式中,a,b,c分别表示维修人员、检测人员和使用人员的打分,其值介于0到1之间;0表示无劣化即最优状态,1表示完全劣化即最差状态;w1,w2,w3分别为相应权重,且满足w1+w2+w3=1。
步骤5)无人机健康状况综合评估
步骤5.1)无人机健康状况综合评估模型将无人机健康状态分为四个等级:健康、亚健康、故障、毁损;各状况等级的标度区间划分如表1所示:
表1无人机健康状况等级及区间划分
式中,δ1,δ2和δ3为可变区间端点,满足0<δ1<δ2<δ3<1。
步骤5.3)获取各指标的综合隶属度矩阵Ξ如下:
步骤5.4)得到无人机系统健康状况的综合评估隶属度向量:
Γ=W×Ξ=[Γ1,Γ2,Γ3,Γ4] (22)
步骤5.5)根据最大隶属度原则,确定状态等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111408093.8A CN114091268A (zh) | 2021-11-24 | 2021-11-24 | 一种基于节点重要度与层次分析法的无人机健康状况评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111408093.8A CN114091268A (zh) | 2021-11-24 | 2021-11-24 | 一种基于节点重要度与层次分析法的无人机健康状况评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114091268A true CN114091268A (zh) | 2022-02-25 |
Family
ID=80304235
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111408093.8A Pending CN114091268A (zh) | 2021-11-24 | 2021-11-24 | 一种基于节点重要度与层次分析法的无人机健康状况评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114091268A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115511399A (zh) * | 2022-11-23 | 2022-12-23 | 昆山斯沃普智能装备有限公司 | 一种基于动态权重的换电站健康状态评估方法 |
CN117714304A (zh) * | 2024-02-05 | 2024-03-15 | 中南大学 | 一种无人机集群网络健康评估方法、系统及介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109815507A (zh) * | 2017-11-21 | 2019-05-28 | 中国商用飞机有限责任公司 | 基于符号有向图的飞控系统的故障样本选取方法 |
CN110990718A (zh) * | 2019-11-27 | 2020-04-10 | 国网能源研究院有限公司 | 一种公司形象提升系统的社会网络模型构建模块 |
CN111105153A (zh) * | 2019-12-13 | 2020-05-05 | 西安交通大学 | 基于ahp-熵权法的卫星健康状态多级模糊评价方法 |
CN111950918A (zh) * | 2020-08-19 | 2020-11-17 | 江苏电力交易中心有限公司 | 一种基于电力交易数据的市场风险评估方法 |
CN112149967A (zh) * | 2020-09-04 | 2020-12-29 | 华中科技大学 | 基于复杂系统理论的电力通信网脆弱性评估方法和系统 |
CN112200405A (zh) * | 2020-08-27 | 2021-01-08 | 国网浙江省电力有限公司电力科学研究院 | 一种基于熵权-模糊层次分析法的专变健康状况评估方法 |
CN113190424A (zh) * | 2021-04-23 | 2021-07-30 | 南京航空航天大学 | 一种对知识图谱推荐系统的模糊综合评价方法 |
WO2021185177A1 (zh) * | 2020-03-16 | 2021-09-23 | 福建省特种设备检验研究院 | 基于多数据采集的石化常压储油罐健康状态评估方法 |
WO2021218003A1 (zh) * | 2020-04-27 | 2021-11-04 | 中国电子科技集团公司第十四研究所 | 一种雷达嵌入式健康管理系统 |
-
2021
- 2021-11-24 CN CN202111408093.8A patent/CN114091268A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109815507A (zh) * | 2017-11-21 | 2019-05-28 | 中国商用飞机有限责任公司 | 基于符号有向图的飞控系统的故障样本选取方法 |
CN110990718A (zh) * | 2019-11-27 | 2020-04-10 | 国网能源研究院有限公司 | 一种公司形象提升系统的社会网络模型构建模块 |
CN111105153A (zh) * | 2019-12-13 | 2020-05-05 | 西安交通大学 | 基于ahp-熵权法的卫星健康状态多级模糊评价方法 |
WO2021185177A1 (zh) * | 2020-03-16 | 2021-09-23 | 福建省特种设备检验研究院 | 基于多数据采集的石化常压储油罐健康状态评估方法 |
WO2021218003A1 (zh) * | 2020-04-27 | 2021-11-04 | 中国电子科技集团公司第十四研究所 | 一种雷达嵌入式健康管理系统 |
CN111950918A (zh) * | 2020-08-19 | 2020-11-17 | 江苏电力交易中心有限公司 | 一种基于电力交易数据的市场风险评估方法 |
CN112200405A (zh) * | 2020-08-27 | 2021-01-08 | 国网浙江省电力有限公司电力科学研究院 | 一种基于熵权-模糊层次分析法的专变健康状况评估方法 |
CN112149967A (zh) * | 2020-09-04 | 2020-12-29 | 华中科技大学 | 基于复杂系统理论的电力通信网脆弱性评估方法和系统 |
CN113190424A (zh) * | 2021-04-23 | 2021-07-30 | 南京航空航天大学 | 一种对知识图谱推荐系统的模糊综合评价方法 |
Non-Patent Citations (6)
Title |
---|
CHAUNCEY: "修改引力理论与宇宙学(二)", Retrieved from the Internet <URL:https://zhuanlan.zhihu.com/p/344975864> * |
MAHIR DURSUN 等: "Risk based multi criteria decision making for secure image transfer between unmanned air vehicle and ground control station", RELIABILITY ENGINEERING AND SYSTEM SAFETY 178 (2018), 19 May 2018 (2018-05-19), pages 31 - 39 * |
YUKUN CHEN等: "A Health Assessment Method for Radar Antenna Array System", PROCEEDINGS OF THE 41ST CHINESE CONTROL CONFERENCE, 27 July 2022 (2022-07-27), pages 4028 - 4033, XP034204022, DOI: 10.23919/CCC55666.2022.9902714 * |
姜英;王政;秦艳;袁健宝;贾小平;王芳;: "基于复杂网络的化工过程层次符号有向图模型建立及关键节点识别", 化工进展, no. 02, 5 February 2018 (2018-02-05), pages 31 - 38 * |
张如佩;姜斌;刘剑慰;: "基于符号有向图的故障样本选取方法", 控制工程, no. 01, 20 January 2018 (2018-01-20), pages 59 - 63 * |
耿风慧;张国斌;耿秋钰;: "电力系统的抗震脆弱性评估模型设计与实现", 华南地震, no. 02, 15 June 2018 (2018-06-15), pages 44 - 50 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115511399A (zh) * | 2022-11-23 | 2022-12-23 | 昆山斯沃普智能装备有限公司 | 一种基于动态权重的换电站健康状态评估方法 |
CN117714304A (zh) * | 2024-02-05 | 2024-03-15 | 中南大学 | 一种无人机集群网络健康评估方法、系统及介质 |
CN117714304B (zh) * | 2024-02-05 | 2024-04-12 | 中南大学 | 一种无人机集群网络健康评估方法、系统及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114091268A (zh) | 一种基于节点重要度与层次分析法的无人机健康状况评估方法 | |
CN111274737A (zh) | 一种机械设备剩余使用寿命预测方法及系统 | |
CN105096053A (zh) | 一种适用于复杂工艺系统的健康管理决策方法 | |
CN106125714A (zh) | 结合bp神经网络与二参数威布尔分布的故障率预测方法 | |
CN103971171A (zh) | 一种输电设备状态评估方法 | |
Garg et al. | A two-phase approach for reliability and maintainability analysis of an industrial system | |
CN103810328A (zh) | 一种基于混合模型的变压器维修决策方法 | |
CN108305014B (zh) | 一种基于可靠性屋和粗糙理想点法的失效模式与影响分析方法 | |
CN104792529A (zh) | 基于状态空间模型的滚动轴承寿命预测方法 | |
CN103678858A (zh) | 一种存在竞争失效条件下的设备剩余寿命预测方法 | |
CN105512483A (zh) | 基于损伤传播模型和数据分析的航空发动机剩余寿命预测 | |
Ghazali et al. | Vibration-based fault detection in drone using artificial intelligence | |
CN110580577A (zh) | 基于权重系数修正的智能变电站二次系统运行质量多分层评价方法 | |
Zhang et al. | Remaining useful life prediction of rolling bearings using electrostatic monitoring based on two-stage information fusion stochastic filtering | |
CN113204922A (zh) | 一种变压器运行状态监控与预测方法 | |
Sharma et al. | Modeling system behavior for risk and reliability analysis using KBARM | |
CN113343177A (zh) | 基于模糊综合评价理论的电梯设备健康状态诊断方法 | |
Gao et al. | Reliability and availability models of belt drive systems considering failure dependence | |
CN115689114A (zh) | 一种基于组合神经网络的海底电缆运行状态预测方法 | |
CN114046456B (zh) | 融合模糊推理和神经网络的腐蚀评估方法及系统 | |
CN115713320A (zh) | 设备的运维策略优化方法、装置、设备及存储介质 | |
CN111525548B (zh) | 一种对电网静态电压稳定裕度进行评估的方法及系统 | |
CN112765813A (zh) | 一种序贯Bayesian框架下的设备剩余寿命预测方法 | |
CN112668794A (zh) | 一种不确定寿命预测信息下航空发动机的维修优化方法 | |
Song et al. | Research on preventive maintenance strategies and systems for in-service ship equipment |
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 |