CN115579856A - 电动飞机能源动态优化管理系统 - Google Patents

Abstract

一种电动飞机能源动态优化管理系统，能实时优化以尽可能契合于电动飞机的全生命周期老化过程，其包括监测模块和多个管理单元，每个管理单元均具有健康评估及故障诊断/预测模块(前者)和动态优化管理模块(后者)，前者能够计算得到电动飞机在当前时刻下的健康指数，并且能够预测得到电动飞机在当前时刻之后的各时刻的健康状态，后者能够以不同的时序执行基于规则的控制模式和能量优化模式，并且通过对不同控制模式的时序进行整合，实现对不同层级的多个管理对象的实时控制，后者在执行能量优化模式的时序下，基于前者预测得到的电动飞机在当前时刻之后的健康状态，进行相比于基于规则的控制模式，对于各管理对象来说综合性能更优的控制。

Description

电动飞机能源动态优化管理系统

技术领域

本发明涉及飞机的能源管理领域，更具体地涉及一种电动飞机能源动态优化管理系统。

背景技术

在电动飞机中，大量电气化的系统和设备通过电气耦合在一起协同工作，使得能源系统的集成化程度大大提高，对于该能源系统的管理和控制亦可谓是“牵一发而动全身”。虽然可以选择分别对各个系统和设备进行单独管理和控制，但这是对电动飞机有限的飞机能源的浪费，因此，需要从总体角度出发，通过优化利用整机能源以充分发挥电动飞机的优势并提升电动飞机的续航能力。

此外，电动飞机中的电气化设备呈现出大功率、非线性、不确定性强等特性，其动态过程变化剧烈，工作状态复杂。传统飞机能源的稳态控制技术难以满足电动飞机能源系统的管理需求，甚至可能进一步导致系统出现振荡和崩溃，因此，对于电动飞机的能源管理，如何能够实现对系统和设备工作的动态过程的控制，亦是当前不得不面临的现实问题。

另外，飞机的运行环境复杂，分布在飞机不同位置的系统和设备在全生命周期中的老化趋势和程度不尽相同，这又给电动飞机的能源管理带来新的挑战。例如，随着电动飞机中动力电池的反复使用，动力电池性能出现老化，但其老化程度又高于其负载设备的老化程度，可能出现动力电池供电能力不足的情况，此时若动力电池仍按照原有的控制策略继续运行则会过载，进而反过来进一步加速电源的老化。现实是电动飞机能源系统的各个部分都可能面临着这样的问题，亟需寻求一种尽可能契合于电动飞机(的各系统和关键部件)的全生命周期老化过程的电动飞机能源动态优化管理和控制方法。

发明内容

本发明为解决前面提出的各技术问题而作，其目的在于提供一种尽可能契合于电动飞机(的各系统和关键部件)的全生命周期老化过程的电动飞机能源动态优化管理系统。

为了实现本发明的目的，提供一种电动飞机能源动态优化管理系统，用于对电动飞机能源系统进行优化、管理和控制，其中，所述电动飞机能源动态优化管理系统包括：监测模块，所述监测模块实时采集能源系统参数，并且从中提取出有关所述电动飞机能源系统的特征参数；多个管理单元，所述多个管理单元对电动飞机的不同层级的多个管理对象进行管理，每个管理单元均具有健康评估及故障诊断/预测模块和动态优化管理模块，所述健康评估及故障诊断/预测模块在当前时刻对各个管理对象的健康状态进行评估，并以层级从下到上的方式计算得到电动飞机在当前时刻下的健康指数，并且针对各个管理对象在当前时刻之前的各时刻计算得到的健康指数，通过加入时序信息拟合出各个管理对象的健康指数随时间的变化趋势曲线，并以层级从下到上的方式预测得到电动飞机在当前时刻之后的各时刻的健康状态，所述动态优化管理模块能够以不同的时序对所述电动飞机能源系统执行基于规则的控制模式和能量优化模式，并且通过在执行所述能量优化模式的相邻两个时序加入所述基于规则的控制模式的时序来对不同控制模式的时序进行整合，以实现对不同层级的多个管理对象的实时控制，所述动态优化管理模块在执行所述能量优化模式的时序下，基于所述健康评估及故障诊断/预测模块预测得到的电动飞机在当前时刻之后的健康状态，进行相比于基于规则的控制模式，对于各管理对象来说综合性能更优的控制。

根据如上所述构成，本发明的电动飞机能源动态优化管理系统通过功率预测技术评估电动飞机能源系统在不同健康状态下的功率输出、传输和消耗能力，将健康状态评估和预测与电动飞机能源系统的实时运行管理策略相结合，根据飞机在全生命周期内的健康状态实时调整能量管理和运行策略，从而提高系统和设备的寿命，降低飞机损坏风险和维修成本，提高飞机的可靠性和运营效益。

另外，根据如上所述构成，本发明的电动飞机能源动态优化管理系统通过模型预测控制技术，执行能量优化模式以对电动飞机能源系统激烈的动态过程进行实时的优化管理，从而弥补传统稳态控制的不足，提高飞机稳态和暂态性能。

另外，根据如上所述构成，本发明的电动飞机能源动态优化管理系统中，所述动态优化管理模块能够以不同的时序对所述电动飞机能源系统执行基于规则的控制模式和能量优化模式，并且对不同控制模式时序进行整合，由此，通过建立通过双层的控制结构，并辅以传统的基于规则(例如“最差情况”)的控制模式为下层结构，从而解决了故障预测算法和优化算法寻优耗时长所带来的实时性差的问题，实现飞机的实时管理。

优选的是，所述监测模块包括传感器网络模块、数据处理模块以及特征提取模块，所述传感器网络模块用于采集电动飞机的原始数据样本，所述数据处理模块对所述原始数据样本进行预处理，以将干扰信号滤除，所述特征提取模块从经过预处理后的参数中提取出能够独立地或是相互印证地表征电动飞机某一/某些特定状态/特性的特征参数，以实现数据的降维。

通过如上所述构成，由于先对原始数据样本进行预处理，以将干扰信号滤除，并且从经过预处理后的大量的能源系统参数中提取对于确定电动飞机状态有意义的特征参数，从而降低高维数据对电动飞机能源动态优化管理系统造成的计算负担，提高电动飞机能源优化的响应度，为后续的动态优化管理提供基础。

优选的是，所述电动飞机能源动态优化管理系统包括：整机管理单元，所述整机管理单元以电动飞机整机作为管理对象进行管理；多个系统级管理模块，所述系统级管理模块具有以构成所述电动飞机整机的对象系统作为管理对象进行管理的集中管理部，并且多个系统级管理模块中的至少一个采用具有集中+分布式的双层结构的分布式系统能量管理架构，在所述分布式系统能量管理架构中，具有以构成所述对象系统的关键部件作为管理对象进行管理的关键部件管理部，所述多个管理单元是整机管理单元、各系统级管理模块中的集中管理部以及采用分布式系统能量管理架构的系统级管理模块中的关键部件管理部。

更优选的是，多个系统级管理模块中的一部分采用具有集中式系统能量管理架构，采用分布式系统能量管理架构和集中式系统能量管理架构的多个系统级管理模块分别与所述整机管理单元通过整机通信模块实现各对象系统与电动飞机整机的信息交互。另外，在采用分布式系统能量管理架构的系统级管理模块中，所述集中管理部与所述关键部件管理部通过系统通信模块实现彼此的信息交互。

本发明电动飞机能源动态优化管理系统包括采用具有集中+分布式的双层结构的分布式系统能量管理架构作为系统级管理模块，此外，所述整机管理单元能够从电动飞机整机对各对象系统的工作状态进行全局的优化，提高飞机综合运行性能。另外，由于这种分布式系统能量管理架构实现了对象系统和关键部件的交互和协同工作，降低控制算法对处理器的计算性能需求，提升控制性能。

作为一个实例，不同层级的多个管理单元所具有的健康评估及故障诊断/预测模块具有用于实现健康评估功能的健康评估部、用于实现故障诊断功能的故障诊断部以及用于实现故障预测的故障预测部，所述健康评估部根据作为下一层级的管理对象的健康状态信息对当前层级的管理对象的健康状态进行评估，并将评估结果传递给上一层级，所述故障诊断部在一旦所述健康评估部发现管理对象的健康状态出现下滑，以层级从上向下的方式追溯并进行故障隔离，所述故障预测部基于所述健康评估部和所述故障诊断部的分析结果，以层级从下向上逐级对各管理对象的健康状态变化趋势进行预测，并且输出老化特征参数。

进一步地，或是作为另一个实例，每个层级的所述管理单元的所述动态优化管理模块都具有功率预测部，不同架构下各自的最低层级的所述管理单元中的所述功率预测部根据本层级管理对象包括预设工作需求、性能衰退以及不确定性在内的因素对未来运行趋势的影响估算出各自管理对象的功率需求的变化曲线，相比于最低层级而言处于高层级的所述管理单元根据下一层级管理对象的连接关系，通过下一层级的各所述管理单元的所述功率预测部所预测的功率需求的变化曲线求解本层级管理对象的功率需求的变化曲线。

在此基础上，每个层级的所述管理单元的所述动态优化管理模块都具有能量优化部，所述能量优化部参考各所述管理对象的功率需求，确定综合性能最优作为优化目标，并以所述管理对象当前和预测的健康状态信息以及本层级管理对象运行要求为约束条件，求解在所述功率需求下，对于各管理对象而言综合性能最优的工作功率，即优化运行功率。此时，不同管理架构下各自的最高层级的所述管理单元以本层级管理对象的功率需求的变化曲线作为所述管理单元的估算运行功率，结合由所述健康评估及故障诊断/预测模块获得的所述管理对象当前和预测的健康状态信息对估算运行功率进行优化，以获得最高层级的所述管理单元各自的优化运行功率，相比于最高层级而言处于低层级的所述管理单元根据其管理对象的连接关系，通过高层级的所述管理单元的所述能量优化部所优化的优化运行功率求解低层级的所述管理单元的的所述管理单元的估算运行功率，再对下一层级所述管理单元各自的优化运行功率进行求解。

进一步地，每个层级的所述管理单元的所述动态优化管理模块还具有动态控制部，所述动态控制部在所述能量优化模式和所述基于规则的控制模式同时输出控制信号时，优先采用所述能量优化模式的控制信号的输出，而在所述能量优化模式的控制信号输出的周期间隔内，以所述基于规则的控制模式对整机和系统进行控制。

在本发明中，所述基于规则的控制模式是按照既定规则对各所述管理对象做出工作功率的控制，所述能量优化模式是进行了功率需求的预测，并且利用所述健康评估及故障诊断/预测模块所获得的各管理对象的作为健康状态的老化状况的预测，对各管理对象做出工作功率的优化控制。

附图说明

图1是示意说明本发明实施方式的电动飞机能源动态优化管理系统的架构示意图。

图2是示意表示本发明实施方式的电动飞机能源动态优化管理系统中的监测模块的功能结构的示意框图。

图3是示意说明本发明实施方式的电动飞机能源动态优化管理系统中的集中管理单元、关键部件管理单元、集中式系统能量管理架构以及整机管理单元的通用功能结构示意图。

图4是示意说明作为三个层级的整机、系统、关键部件的健康评估及故障预测模块的运行流程和关系示意图。

图5是示意说明动态优化管理模块的功能结构的示意图。

图6的(a)、(b)、(c)是基于规则的控制模式的控制指令、能量优化模式的控制指令以及动态控制部输出的控制指令的时序示意图。

图7和图8是对能量优化部中实现的能量优化功能的原理进行说明的示意图，其中，图7是在第k时刻下的功率预测和控制信号的输出，图8是在下一时刻的第k+1时刻下的功率预测和控制信号的输出。

(符号说明)

100 电动飞机能源动态优化管理系统

110 监测模块

111 传感器网络(功能模块)

112 数据处理(功能模块)

113 特征提取(功能模块)

120 系统级管理模块

121 分布式系统能量管理架构

121a 集中管理部

121b 关键部件管理部

121c 系统通信模块

122 系统能量管理架构

122a 集中管理部

130 整机通信模块

140 整机管理单元

200 电动飞机能源系统

210 能源产生/存储系统

220 能源变换/传输系统

230 能源转换/利用系统

300 地面PHM模块

A 健康评估及故障诊断/预测模块

A11 整机健康评估部

A12 整机故障诊断部

A13 整机故障预测部

A21 系统健康评估部

A22 系统故障诊断部

A23 系统故障预测部

A31 关键部件健康评估部

A32 关键部件故障诊断部

A33 关键部件故障预测部

B 动态优化管理模块

B1 功率预测部

B2 能量优化部

B3 动态控制部

C1 基于规则的控制模式

C2 能量优化模式

具体实施方式

以下，结合附图，对本发明的具体实施方式进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不旨在对本发明的保护范围加以非必要的限制。

图1是示意说明本发明实施方式的电动飞机能源动态优化管理系统100的架构示意图。

如图1所示，本发明实施方式的电动飞机能源动态优化管理系统100用于对未图示的电动飞机的电动飞机能源系统200进行优化、管理和控制，其中，电动飞机能源系统200具有由多个锂电池构成的能源产生/存储系统210、作为配电系统的能源变换/传输系统220以及用于实现电动飞机的运行和工作任务的能源转换/利用系统230。

作为配电系统的能源变换/传输系统220以冗余容错电能网络为主体，通过DC/DC、AC/DC、DC/AC等各种类型的电力转换装置以及线缆、连接器、熔断器、配电和保护装置等设备来实现能源的变换、传输和分配。

另外，所述能源转换/利用系统230可以包括但不局限于电动飞机的电环控系统、电防除冰系统、电传飞控系统、电刹车系统、电动燃油泵系统、航电系统以及电推进系统等中的至少任意一个。

本发明实施方式的电动飞机能源动态优化管理系统100包括监测模块110，所述监测模块110例如能够通过智能传感技术实时采集能源系统参数，并且能够通过软件方法从采集到(并经预处理后)的大量的能源系统参数中提取出有关电动飞机能源系统200的特征参数，以作为对电动飞机(的各系统和设备)进行优化、管理的原始输入值。提取出的特征参数能够独立地或是相互印证地表征电动飞机某一/某些特定状态/特性的特征参数。

图2是示意表示本发明实施方式的电动飞机能源动态优化管理系统100中的监测模块110的功能结构的示意框图。作为一个实例，如图2所示，监测模块110包括传感器网络111、数据处理112以及特征提取113这三个功能模块。进一步地，传感器网络111这一功能模块用于实现对电动飞机的原始数据样本的采集。此外，数据处理112这一功能模块通过例如预处理技术将干扰信号滤除，从而提高数据样本的采样精度和可信度。另外，特征提取113这一功能模块通过例如数据融合方法从经过预处理后的能源系统参数中提取出能够独立地或是相互印证地表征电动飞机某一/某些特定状态/特性的特征参数，以实现数据的降维。同时，通过从大量的能源系统参数中提取对于确定电动飞机状态有意义的特征参数，从而降低高维数据对电动飞机能源动态优化管理系统100造成的计算负担，提高电动飞机能源优化的响应度，为后续的动态优化管理提供基础。

监测模块100对各关键部件、系统和飞机整体的健康状态特征参数进行监测，其设计的核心在于传感器网络111的布局，即，如何以尽可能少的传感器实现对电动飞机的健康状态尽可能全面地掌握。具体而言，所述监测模块110在采集到的电动飞机的原始数据样本后，结合电动飞机能源系统200的结构，进行故障模式及影响的分析，进而建立基于多信号图的测试性模型，用以描述能源系统健康状态与测试的系统特征参数之间的关系。接着，通过对测试性模型的初步分析，所述监测模块110能在数据处理112的阶段中：(1)识别并剔除与系统健康状态无关的特征参数，即无关参数；(2)找出能同时表征某一系统健康状态的冗余参数；(3)找出特征参数无法描述的系统健康状态或者无法区分的健康状态，对这些状态进行进一步分析，明确相关特征参数；(4)进一步将数据分为仅与系统和关键部件健康状态有关的局部参数以及还同时与飞机整体健康状态有关的全局参数，以降低电动飞机运营数据的通信和监控负担。所述监测模块110在随后的特征提取113阶段将表征系统健康状态的系统参数(局部参数及全局参数)提取出来。

结合实际工程实现问题，数据处理112需要考虑测试数目对测试效果的影响，若测试过少，可能无法识别能源系统健康状态，而若测试过多，则又会造成资源的浪费。因此，在测试性模型描述的健康状态与特征参数映射关系的基础上，可以基于例如多目标遗传算法等，以测试成本(参数的数目、参数的信息量、参数的提取成本)为优化目标，优选测试的特征参数，从而获得飞机能源系统健康状态的传感器网络111的布局，避免重复、多次且不必要地采集表征同一状态/特性的相同或等同的特征参数。

本发明实施方式的电动飞机能源动态优化管理系统100中，通过监测模块110的特征提取113这一功能模块提取出来的特征参数被输出至系统级管理模块120。所述系统级管理模块120根据系统的类型、组成设备的复杂程度或是控制设备的多少等，可选择采用如下两种不同的架构进行系统管理：

(1)对于功能和空间分布较为广泛的系统(又称“分布式对象系统”)，因组成设备复杂，并且可能存在多于3个控制设备对系统的多个关键部件进行独立和部分冗余的管理，因此，选择采用分布式系统能量管理架构121；

(2)对于功能和空间分布比较集中的系统(又称“集中式对象系统”)，因组成设备简单，并且可能仅存在3个或是小于3个控制设备对系统进行互为备份的管理，因此，选择采用集中式系统能量管理架构122。

更为理想的是，如图1所示，前述的分布式系统能量管理架构121采用集中+分布式的双层结构，即，具有集中管理部121a和关键部件管理部121b。所述集中管理部121a以对应的对象系统(分布式对象系统)为管理对象，并根据各关键部件的健康状态进行系统级的能量优化管理。另外，所述关键部件管理部121b则是以对应的关键部件为管理对象，实现对作为管理对象的关键部件的工作状态的优化控制。

所述集中管理部121a与所述关键部件管理部121b通过系统通信模块121c实现彼此的信息交互，包括但不限于部件和系统状态参数的上报以及控制和请求信号的下发等。

所述分布式系统能量管理架构121的集中管理部121a以及集中式系统能量管理架构122的集中管理部122a能将优化控制信号发送至所述电动飞机能源系统200。

另外，所述分布式系统能量管理架构121以及集中式系统能量管理架构122分别与整机通信模块130实现各系统(即，各分布式对象系统及各集中式对象系统)与飞机整机的信息交互，包括但不限于系统和整机状态参数的上报以及控制命令和请求信号的下发等。

所述系统通信模块121c和所述整机通信模块130能够根据实际应用场景对通信的可靠性、节点数目、数据量、传输速率、距离等的要求，选择合适的通信方式，例如，可以选择电力线载波通信、ARINC 429、ARINC 664、ARINC 825、TTP、1553B以及5G通信等中的任意一种或多种，由此来进一步建立电动飞机能源动态优化管理系统100中的通信架构。

此外，所述整机通信模块130与整机管理单元140通信连接。另外，所述整机管理单元140与地面PHM模块300通信连接。所述地面PHM模块300对飞机平台进行全生命周期的健康管理，支持维护和维修管理决策，实现部件和系统的故障预测，同时使地面维护系统可以及时调度备件、维修设备和维修人员，为运载平台后勤保障和维修决策提供依据，降低维修时间和成本。

图3是示意说明本发明实施方式的电动飞机能源动态优化管理系统100中的分布式系统能量管理架构121的集中管理部121a和关键部件管理部121b、集中式系统能量管理架构122的集中管理部122a以及整机管理单元140的通用功能结构示意图，图4是示意说明作为三个层级的整机、系统、关键部件的健康评估及故障诊断/预测模块A的运行流程和关系示意图。图5是示意说明动态优化管理模块B的功能结构的示意图。图6的(a)、(b)、(c)是基于规则的控制模式C1的控制指令、能量优化模式C2的控制指令以及动态控制部B3输出的控制指令的时序示意图。

所述分布式系统能量管理架构121的集中管理部121a和关键部件管理部121b、所述集中式系统能量管理架构122的集中管理部122a以及所述整机管理单元140具有相同的功能模块，即如图3所示具有健康评估及故障诊断/预测模块A和动态优化管理模块B。

本发明实施方式的电动飞机能源动态优化管理系统100的健康评估及故障诊断/预测模块A又可以分为整机、系统和关键部件三个层级，并通过采用在系统(分布式系统能量管理架构121)中采用集中+分布式的双层结构，能够对电动飞机的整体、系统(分布式系统能量管理架构121)和关键部件进行动态优化管理和控制。

所述健康评估及故障诊断/预测模块A具有健康评估、故障诊断和故障预测这三个功能。健康评估功能根据作为下一控制层级的系统或关键部件的健康状态信息对当前控制层级的健康状态进行评估，并将评估结果传递给上一层级。一旦通过健康评估功能发现管理对象的健康状态出现下滑，将启动故障诊断功能，从上向下追溯并进行故障隔离。而故障预测功能则是基于健康评估功能和故障诊断功能的分析结果，对管理对象的健康状态变化趋势从下向上逐级进行预测，并且输出老化特征参数。

在图4中，所述整机管理单元140中具有的健康评估及故障诊断/预测模块A包括整机健康评估部A11、整机故障诊断部A12以及整机故障预测部A13。另外，分布式系统能量管理架构121的集中管理部121a和集中式系统能量管理架构122的集中管理部122a中具有的健康评估及故障诊断/预测模块A包括系统健康评估部A21、系统故障诊断部A22以及系统故障预测部A23。此外，分布式系统能量管理架构121的关键部件管理部121b中具有的健康评估及故障诊断/预测模块A包括关键部件健康评估部A31、关键部件故障诊断部A32以及关键部件故障预测部A33。

在各分布式对象系统中，关键部件健康评估部A31针对不同关键部件的特点选择不同的健康评估方法，以对应的关键部件的健康状态特征参数，结合关键部件的实验数据和经验数据，运用健康评估方法对关键部件的健康状态水平进行评估，并向分布式系统能量管理架构121的集中管理部121a发送关键部件的健康状态信息。

接着，各分布式对象系统的系统健康评估部A21则根据各关键部件的连接关系建立对应的分布式对象系统的故障传播模型，以各关键部件的健康状态信息为输入，由点及面地计算获得各分布式对象系统的健康状态(或健康指数HeI)，并向上层的整机健康评估部A11传输健康状态信息(或健康指数HI)。

同时，各集中式对象系统的系统健康评估部A21针对不同集中式对象系统中的系统和关键设备的特点选择不同的健康评估方法，以对应的集中式对象系统的健康状态特征参数，结合实验数据和经验数据，运用健康评估方法对健康状态水平进行评估，并向上层的整机健康评估部A11传输健康状态信息(或健康指数HI)。

另外，整机管理单元140的整机健康评估部A11根据各系统(即，各分布式对象系统及各集中式对象系统)的连接关系建立整机的故障传播模型，以各系统的健康状态信息(或健康指数HeI)为输入，由点及面地计算获得整机的健康状态(或健康指数HI)。

即，在对电动飞机的健康状态进行评估时，健康评估及故障诊断/预测模块A对于各集中式对象系统以系统健康评估部A21

整机健康评估部A11的顺序依次进行健康评估，对于各分布式对象系统则以关键部件健康评估部A31

系统健康评估部A21

整机健康评估部A11的顺序依次进行健康评估。

故障诊断的目的是为了检测和隔离发生的故障，保证系统正常运行。同时，故障状态与健康状态存在一定映射关系，即当健康状态参数大幅下跌时，其中必然存在某一/某些系统发生故障。因此，在本发明的电动飞机能源动态优化管理系统100中，故障诊断部并非持续运行的，而是以条件触发的方式运行，并且根据测试性制定的诊断策略，从整机、系统到部件，由上而下定位发生的故障。

即，整机管理单元140的整机故障诊断部A12基于测试性制定的故障诊断策略依次对各信号进行循环检测，以特定发生故障的系统，并将诊断结果发送给故障系统对应的能量管理架构的集中管理部121a、122a。

此外，整机的健康评估及故障诊断/预测模块A从整机通信模块130接收各系统(即，各分布式对象系统及各集中式对象系统)的健康状态特征参数和老化曲线，结合地面PHM模块300存储的海量运营数据对电动飞机整体进行健康状态评估和故障预测，将预测结果返回地面PHM模块300，帮助开展电动飞机的维护维修。

各分布式对象系统的系统故障诊断部A22基于测试性制定的故障诊断策略依次对各信号进行循环检测，特定发生故障的关键部件，将诊断结果发送给故障部件的关键部件管理部121b，并由关键部件故障诊断部A32特定故障的具体类型和原因。

同时，集中式对象系统的系统故障诊断部A22根据具体故障的特征信号特定故障的具体类型和原因。

即，在对电动飞机的故障进行诊断时，健康评估及故障诊断/预测模块A对于各集中式对象系统以整机故障诊断部A12

系统故障诊断部A22的顺序依次进行故障诊断和特定，对于各分布式对象系统则以整机故障诊断部A12

系统故障诊断部A22

关键部件故障诊断部A32的顺序依次进行故障诊断和特定。

各分布式对象系统的系统故障预测部A23将时间信息融入相应的分布式对象系统的网络节点中，以由关键部件故障预测部A33预测得到的各个关键部件的老化特征曲线为输入，通过故障传播机理分析并预测出相应的分布式对象系统的老化特征曲线。

各集中式对象系统的系统故障预测部A23针对不同集中式对象系统中的系统或关键部件的特点选择不同的故障预测方法，分析并预测出相应的集中式系统的老化特征曲线。

整机管理单元的整机故障预测部A13将时间信息融入各系统连接的网络节点中，以各系统(即，各分布式对象系统及各集中式对象系统)的老化特征曲线为输入，通过故障传播机理分析并预测出整机的老化特征曲线。

即，在对电动飞机的各关键部件、系统及整机的潜在故障(例如老化等)进行预测时，健康评估及故障诊断/预测模块A对于各集中式对象系统以系统故障预测部A23

整机故障预测部A13的顺序依次进行潜在故障的预测，对于各分布式对象系统则以关键部件故障预测部A33

系统故障预测部A23

整机故障预测部A13的顺序依次进行潜在故障的预测。

所述动态优化管理模块B基于所述健康评估及故障诊断/预测模块A的结果，针对管理对象进行动态优化管理，并且采用双层控制结构。

具体来说，如图5所示，所述动态优化管理模块B具有功率预测部B1、能量优化部B2以及动态控制部B3。

不同管理架构中最低层级的管理单元(即，分布式系统能量管理架构121的关键部件管理部121b，集中式系统能量管理架构122的集中管理部122a)中的所述功率预测部B1根据各自管理对象包括且不限于预设工作需求、性能衰退以及不确定性等因素对未来运行趋势的影响估算出各自管理对象的估算功率需求的变化曲线。高层级的管理单元(相比于关键部件管理部121b而言为高层级的分布式系统能量管理架构121的集中管理部121a，相比于集中式系统能量管理架构122的集中管理部122a以及分布式系统能量管理架构121的关键部件管理部121b(和集中管理部121a)而言为高层级的整机管理单元140)则根据下一层级管理对象的连接关系，通过下一层级的各管理单元的功率预测部B1所预测的功率需求的变化曲线求解本层级的管理对象的功率需求的变化曲线，并最终以整机层级的功率需求的变化曲线作为该层级的估算运行功率。

所述能量优化部B2参考各管理对象的估算运行功率，将管理对象的能源利用率、效率、成本、可靠性、安全性等作为优化目标，以由所述健康评估及故障诊断/预测模块A获得的管理对象当前和预测的健康状态信息以及飞行运行要求为约束条件，求解在预测功率需求下，对于各管理对象而言综合性能最优的工作功率(优化运行功率)。此时，不同管理架构中最高层级的管理单元结合由所述健康评估及故障诊断/预测模块A获得的管理对象当前和预测的健康状态信息对估算运行功率进行优化，以获得最高层级的管理单元各自的优化运行功率。而低层级的管理单元则根据该层级管理对象的连接关系将高层级的优化运行功率分解为低层级的各管理单元的能量优化部B2的估算运行功率，并以此优化求解低层级管理单元的优化运行功率。

动态控制部B3能按照基于规则的控制模式(图5中用C1表示)以及能量优化模式(图5中用C2表示)两个不同的模式输出控制命令。

基于规则的控制模式C1是按照既定规则(例如，“最坏情况”的规则)对各管理对象做出工作功率的控制。因为没有对各电气化部件的老化状况进行预测，所以基于规则的控制模式C1因各管理对象老化程度的不同，确定出的工作功率并非是对于各管理对象来说综合性能最优的工作功率。

相反，能量优化模式C2是进行了功率需求的预测，并且利用所述健康评估及故障诊断/预测模块A的关键部件故障预测部A33、系统故障预测部A23、整机故障预测部A13所获得的各管理对象的老化状况的预测，对各管理对象做出工作功率的优化控制。如上所述，能量优化模式C2是对于各管理对象来说综合性能最优的工作功率。

所述基于规则的控制模式C1与所述能量优化模式C2以不同的频次(时序)输出控制信号，并且通过对不同控制模式时序的整合，实现对整机、系统和关键部件的实时控制。优选的是，每输出N次(图6的(a)中例如为3次)基于规则的控制模式C1的控制信号，便在同一时序下输出1次能量优化模式C2的控制信号。接着，如图6的(c)所示，动态控制部B3在能量优化模式C2和基于规则的控制模式C1同时输出控制信号时优先采用能量优化模式C2的控制信号的输出，而在能量优化模式C2的控制信号输出的周期间隔内，以基于规则的控制模式C1对整机和系统进行控制。这样，能够缩短电动飞机的控制周期，提高飞机对不同工况的响应速度，避免了能量优化模式C2存在的计算复杂度高、耗时长等缺陷带来的负面影响，满足电动飞机及其系统的动态性能要求。

下面，对执行能量优化模式C2时的具体算法进行说明。

考虑健康评估和故障预测的统一性，系统和整机健康评估部A21、A11与系统和整机故障预测部A23、A13采用统一的特征参数来反映电动飞机的老化程度。在本说明书中，以健康指数HI作为衡量不同系统、整机的健康状态的统一指标。

在本发明的电动飞机能源动态优化管理系统100中，各关键部件管理部121b中的健康评估及故障诊断/预测功能可以用公式(1)和(2)表达。

HeI_i＝f_i(Para_i) (1)

Para_i＝g_i(t) (2)

其中：

f_i表示关键部件i的健康指数HeI_i与其特征参数Para_i之间的变化关系，可以反映该关键部件i目前的健康状态；

g_i基于原理和大量实验数据预测关键部件的特征参数Para_i与运行时间t的变化关系，可以反映关键部件的老化特征。

也就是说，在电动飞机能源动态优化管理系统100中，系统的健康状态与系统中的包含关键部件在内的每个部件密切相关，部件性能状态的变化都会影响与之有物理或信息联系的其它部件，进而对整个系统的性能产生影响。因此，考虑系统的结构特点，在本发明中，以连通性分析为主体，建立系统j的故障传播模型F_j，而后根据该故障传播模型F_j，后由点及面从部件健康状态(HeI₁,...,HeI_i,...,HeI_M，1＜i＜M，M为系统j中关键部件的个数)计算得到系统j的健康状态HI_j，从而综合反映该系统和部件的健康状态HI_j，如下面的公式(3)所示。

HI_j＝F_j(HeI₁,…,HeI_i,…,HeI_M) (3)

进一步，针对每个系统，以同样的方式由点及面从系统的健康状态(HI₁,...,HI_i,...,HI_N，1＜j＜N，N为电动飞机中系统的数量)计算得到电动飞机的整机的健康状态HI，如下面的公式(4)所示。

HI＝F(HI₁,…,HI_j,…,HI_N) (4)

故障预测则是在健康评估的基础上加入了健康指数的时序信息，即公式(2)，从关键部件、系统到整机依次计算获得健康指数随时间的变化趋势曲线。

对于不同管理架构(以具有关键部件管理部121b的架构为例)中最低层级的管理单元(关键部件管理部121b)来说，关键部件管理部121b中的功率预测部B1综合考虑本层级管理对象包括且不限于预设工作需求、性能衰退以及不确定性等因素对未来运行趋势的影响，估算出各自管理对象的估算功率需求的变化曲线。

相应地，分布式系统能量管理架构121中的集中管理部121a，作为相比于关键部件管理部121b而言处于高层级的管理单元，则根据下一层级管理对象的连接关系，通过关键部件管理部121b的功率预测部B1所估算的功率需求的变化曲线求解本层级管理对象的功率需求的变化曲线。然后，再结合集中管理部121a的功率预测部B1所估算的功率需求的变化曲线求解整机这一层级管理对象的功率需求的变化曲线，此即为整机层级管理对象的估算运行功率

接着，整机管理单元140中的能量优化部B以整机这一层级管理对象的功率需求的变化曲线作为估算运行功率，结合由所述健康评估及故障诊断/预测模块获得的所述管理对象当前和预测的健康状态信息对估算运行功率进行优化，以获得整机管理单元140的优化运行功率。然后，集中管理部121a、122a根据系统间的连接关系，通过将整机管理单元140的优化运行功率分解为低层级(系统层级)的各集中管理部121a、122a的能量优化部B2的估算运行功率，并以此优化求解低层级(系统层级)的各集中管理部121a、122a的优化运行功率。然后，再分解为更低层级(部件层级)的关键部件管理部121b能量优化部B2的估算运行功率。

关键部件管理部121b中的能量优化部B2基于机理分析各关键部件的输入/输出功率与其特征参数的变化关系，而后结合健康状态指标与特征参数的关系，建立关键部件的功率优化模型，从而进行关键部件的功率进行优化。

更具体地，针对关键部件的功率预测和优化需要建立各关键部件的物理模型，分析其功率随老化程度的变化关系，提取能够反映功率需求的特征参数，建立关键部件i的功率需求PPowr_i与特征参数Para_i的函数，如公式(5)所示，并且结合公式(2)，对关键部件未来的功率需求进行预测。

PPow_i＝h_i(Para_i) (5)

各对象系统中的功率预测部B可以使用蒙特卡罗方法模拟电动飞机不同工况下的功率组合，而后使用基于支持向量机的方法对模拟的系统功率数据进行学习，从而为实现能量优化功能提供依据。

具体步骤如下：

分析系统工况下每一可变因素的可能变化范围及其概率分布，构造系统功率组合的概率模型或者随机模型，根据模型中各个随机变量的分布，在计算机上产生随机数，实现一次模拟过程所需的足够数量的随机数；

根据随机变量的分布特性，使用分层抽样和重要抽样方法，对每个随机变量进行抽样，进行多次模拟仿真试验，统计分析模拟试验结果，获得系统功率的概率解或者随机解及解的精度估计；

根据模拟得到的数据构造数据样本，选择核函数以及惩罚常数，得到并求解对偶最优化问题，得到对应的最优解，并从最优解中选定一个满足惩罚常数范围内的分量，计算得到决策函数，即可得到系统功率预测的支持向量机模型；

考虑负载工作的不确定性，以大功率脉冲负载的尖峰功率为功率预测误差，加入到系统功率预测模型中，最终获得系统j的预测功率PPwr_j。

PPwr_j＝H_j(PPowr₁,…,PPowr_i,…,PPowr_M) (6)

接着，使用各个系统的预测功率(PPwr₁,...,PPwr_i,...,PPwr_N),计算获得电动飞机整机的预测功率PPwr。

PPwr＝H(PPwr₁,…,PPwr_j,…,PPwr_N) (7)

能量优化部B2中实现的能量优化功能采用滚动时域法，以实现图7、图8所示的优化过程，其中，图7、图8中上半部分是功率与时间的关系，其中，时刻k为当前时刻，往左(例如时刻k-1、k-2)是已经过去的时刻，往右(例如时刻k+1、k+2、……k+p)是未来的时刻(也就是预测时域)。另外，粗实线描画的是电动飞机在已经过去的时刻实际的运行功率，点划线描画的是按照实际工况需求(例如驾驶员指令等)得到的估算运行功率，虚线描画的是根据管理对象当前的健康状态进行的优化运行功率。

如图5和图7所示，在飞机运行过程中的某一时刻k，动态优化管理模块B的功率预测部B1获得此时的功率需求(点划线表示)。能量优化部B2在考虑系统功率平衡、当前的健康状态和未来功率预测的输出的情况下，借助智能优化算法(如NSGA-III、NSGA-II、随机规划等算法)开展能源系统整体的能量优化控制策略的寻优，得到未来k+1,k+2,...,k+c时刻(又称“控制时域”)的控制指令序列。将控制指令序列的第一个值作为受控对象的控制信号，保持到时刻k+1。在时刻k+1，如图8所示，更新系统当前和未来的状态，重复上述步骤。可以看出，预测时域p和控制时域c是在时间轴上不断向前滚动的，动态优化管理模块B在每一时刻都执行一次上述过程。

能量优化部B2的寻优模型例如可以通过下面的公式(8)所示的数学模型表示，其中，包括能量优化控制的目标函数(包括但不限于燃料消耗FC、失效率FR、效率η、响应速度RT等)和约束条件(包括但不限于功率预测曲线PPwr、健康状态HI、节点功率平衡矩阵Pwr等)，具体建模过程不做赘述。在公式(8)的基础上，能量优化部B2可以借助NSGA-III等优化算法求解当前最优的控制策略。

熟悉本领域的技术人员易于想到其它的优点和修改。因此，在其更宽泛的上来说，本发明并不局限于这里所示和所描述的具体细节和代表性实施例。因此，可以在不脱离如所附权利要求书及其等价物所限定的总体发明概念的精神或范围的前提下做出修改。

Claims (11)

1.一种电动飞机能源动态优化管理系统，用于对电动飞机能源系统进行优化、管理和控制，其特征在于，

所述电动飞机能源动态优化管理系统包括：

监测模块，所述监测模块实时采集能源系统参数，并且从中提取出有关所述电动飞机能源系统的特征参数；

不同层级的多个管理单元，不同层级的所述多个管理单元对电动飞机的不同层级的多个管理对象进行管理，

每个层级的管理单元均具有健康评估及故障诊断/预测模块和动态优化管理模块，

所述健康评估及故障诊断/预测模块在当前时刻对各个管理对象的健康状态进行评估，并以层级从下到上的方式计算得到电动飞机在当前时刻下的健康指数，并且针对各个管理对象在当前时刻之前的各时刻计算得到的健康指数，通过加入时序信息拟合出各个管理对象的健康指数随时间的变化趋势曲线，并以层级从下到上的方式预测得到电动飞机在当前时刻之后的各时刻的健康状态，

所述动态优化管理模块能够以不同的时序对所述电动飞机能源系统执行基于规则的控制模式和能量优化模式，并且通过在执行所述能量优化模式的相邻两个时序加入所述基于规则的控制模式的时序来对不同控制模式的时序进行整合，以实现对不同层级的多个管理对象的实时控制，

所述动态优化管理模块在执行所述能量优化模式的时序下，基于所述健康评估及故障诊断/预测模块预测得到的电动飞机在当前时刻之后的健康状态，进行相比于基于规则的控制模式，对于各管理对象来说综合性能更优的控制。

2.如权利要求1所述的电动飞机能源动态优化管理系统，其特征在于，

所述监测模块包括传感器网络模块、数据处理模块以及特征提取模块，

所述传感器网络模块用于采集电动飞机的原始数据样本，

所述数据处理模块对所述原始数据样本进行预处理，以将干扰信号滤除，

所述特征提取模块从经过预处理后的参数中提取出能够独立地或是相互印证地表征电动飞机某一/某些特定状态/特性的特征参数，以实现数据的降维。

3.如权利要求1所述的电动飞机能源动态优化管理系统，其特征在于，

所述电动飞机能源动态优化管理系统包括：

整机管理单元，所述整机管理单元以电动飞机整机作为管理对象进行管理；

多个系统级管理模块，所述系统级管理模块具有以构成所述电动飞机整机的对象系统作为管理对象进行管理的集中管理部，并且多个系统级管理模块中的至少一个采用具有集中+分布式的双层结构的分布式系统能量管理架构，在所述分布式系统能量管理架构中，具有以构成所述对象系统的关键部件作为管理对象进行管理的关键部件管理部，

所述多个管理单元是整机管理单元、各系统级管理模块中的集中管理部以及采用分布式系统能量管理架构的系统级管理模块中的关键部件管理部。

4.如权利要求3所述的电动飞机能源动态优化管理系统，其特征在于，

多个系统级管理模块中的一部分采用具有集中式系统能量管理架构，

采用分布式系统能量管理架构和集中式系统能量管理架构的多个系统级管理模块分别与所述整机管理单元通过整机通信模块实现各对象系统与电动飞机整机的信息交互。

5.如权利要求3所述的电动飞机能源动态优化管理系统，其特征在于，

在采用分布式系统能量管理架构的系统级管理模块中，所述集中管理部与所述关键部件管理部通过系统通信模块实现彼此的信息交互。

6.如权利要求1所述的电动飞机能源动态优化管理系统，其特征在于，

所述健康评估及故障诊断/预测模块具有用于实现健康评估功能的健康评估部、用于实现故障诊断功能的故障诊断部以及用于实现故障预测的故障预测部，

所述健康评估部根据作为下一层级的管理对象的健康状态信息对当前层级的管理对象的健康状态进行评估，并将评估结果传递给上一层级，

所述故障诊断部在一旦所述健康评估部发现管理对象的健康状态出现下滑，以层级从上向下的方式追溯并进行故障隔离，

所述故障预测部基于所述健康评估部和所述故障诊断部的分析结果，以层级从下向上逐级对各管理对象的健康状态变化趋势进行预测，并且输出老化特征参数。

7.如权利要求1所述的电动飞机能源动态优化管理系统，其特征在于，

每个层级的所述管理单元的所述动态优化管理模块都具有功率预测部，

不同架构下各自的最低层级的所述管理单元中的所述功率预测部综合考虑本层级管理对象的包括预设工作需求、性能衰退以及不确定性在内的因素对未来运行趋势的影响，估算出各自管理对象的功率需求的变化曲线，

相比于最低层级而言处于高层级的所述管理单元根据下一层级管理对象的连接关系，通过下一层级的各所述管理单元的所述功率预测部所预测的功率需求的变化曲线求解本层级管理对象的功率需求的变化曲线。

8.如权利要求7所述的电动飞机能源动态优化管理系统，其特征在于，

每个层级的所述管理单元的所述动态优化管理模块都具有能量优化部，

所述能量优化部参考各所述管理对象的所述功率需求，确定综合性能最优作为优化目标，并以所述管理对象当前和预测的健康状态信息以及本层级管理对象运行要求为约束条件，求解在所述功率需求下，对于各管理对象而言综合性能最优的工作功率，即优化运行功率。

9.如权利要求8所述的电动飞机能源动态优化管理系统，其特征在于，

不同管理架构下各自的最高层级的所述管理单元以本层级管理对象的功率需求的变化曲线作为所述管理单元的估算运行功率，结合由所述健康评估及故障诊断/预测模块获得的所述管理对象当前和预测的健康状态信息对估算运行功率进行优化，以获得最高层级的所述管理单元各自的优化运行功率，

相比于最高层级而言处于低层级的所述管理单元根据低层级管理对象的连接关系，通过高层级的各所述管理单元的所述能量优化部所优化的优化运行功率求解下一层级的所述管理单元的的所述管理单元的估算运行功率，再对下一层级所述管理单元各自的优化运行功率进行求解。

10.如权利要求9所述的电动飞机能源动态优化管理系统，其特征在于，

每个层级的所述管理单元的所述动态优化管理模块还具有动态控制部，

所述动态控制部在所述能量优化模式和所述基于规则的控制模式同时输出控制信号时，优先采用所述能量优化模式的控制信号的输出，而在所述能量优化模式的控制信号输出的周期间隔内，以所述基于规则的控制模式对整机和系统进行控制。

11.如权利要求10所述的电动飞机能源动态优化管理系统，其特征在于，

所述基于规则的控制模式是按照既定规则对各所述管理对象做出工作功率的控制，

所述能量优化模式是进行了功率需求的预测，并且利用所述健康评估及故障诊断/预测模块所获得的各管理对象的作为健康状态的老化状况的预测，对各管理对象做出工作功率的优化控制。

Images