CN115809505A - 一种航天动力故障诊断与健康评估方法及系统 - Google Patents
一种航天动力故障诊断与健康评估方法及系统 Download PDFInfo
- Publication number
- CN115809505A CN115809505A CN202211430923.1A CN202211430923A CN115809505A CN 115809505 A CN115809505 A CN 115809505A CN 202211430923 A CN202211430923 A CN 202211430923A CN 115809505 A CN115809505 A CN 115809505A
- Authority
- CN
- China
- Prior art keywords
- fault
- power system
- parameter set
- parameter
- matrix
- 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
Abstract
本发明涉及一种航天动力故障诊断方法及系统,包括:基于多信号流图建立航天动力系统与系统已有测点之间的关系,将动力系统参数划分为能够直接测量系统故障的动力系统参数以及其余动力系统参数;实时根据箭地通信链路发送来的动力系统状态监测信息以及动力系统历史测试与飞行数据,获得动力系统参数;根据能够直接测量系统故障的动力系统参数进行分析口进行动力故障诊断;针对上述其余动力参数,基于分布式TEAMS‑RT算法建立故障诊断模型,结合统计与特征图映射的故障诊断方式进行动力故障诊断。
Description
技术领域
本发明涉及一种基于多信号流图与分布式TEAMS-RT算法的航天动力故障诊断与健康评估技术,属于预测与健康管理技术领域。。
背景技术
重复使用运载器是指能快速穿越大气层往返于天地间,在执行任务后可返回地面并重复使用的一类新型飞行器,是当前世界航天运载器的发展的重要方向,是实现快速进入空间的重要手段。其与传统的一次性运载器相比,实现运载器故障诊断与健康管理功能,是实现运载器重复使用,提高其可靠性、安全性以及地面自主保障能力的重要保障。
重复使用运载器动力系统为了完成机地协同健康管理、日常检测维修、射前测试决策以及健康管理系统维护的功能,构建了重复使用运载器动力故障诊断与健康管理系统。
国内外在此领域开展了许多相关的基础研究工作,但其相关研究仍处于起步阶段,在动力故障诊断与健康管理系统设计、故障诊断与健康管理方法研究以及流程设计都需要进一步完善,才能达到工程可实施的条件。
发明内容
本发明解决的技术问题是:研制一种基于多信号流图与分布式TEAMS-RT算法的航天动力故障诊断与健康评估方法及系统,完成动力系统机地协同健康管理、日常检测维修、射前测试决策以及健康管理系统维护的功能。
本发明解决技术的方案是:一种航天动力故障诊断方法,包括:
基于FME(C)A分析,得到动力系统故障模式集合以及测量参数集合;其中,故障模式集合包括通过FME(C)A分析得到的所有故障模式,测量参数集合包括任一动力系统已有可测量参数的集合;
基于多信号流图分析方法,建立航天动力系统故障模式与系统测量参数之间的关系,将可检测的动力系统参数划分为动力系统单一故障参数集合以及具有故障模糊度参数集合,并得到故障模式集合与参数集合的映射关系表;单一故障参数集合指的是参数集合中的任一参数都只与唯一的故障模式相对应,具有故障模糊度参数集合指的是参数集中的任一参数都有两个或者两个以上的故障模式相对应,故障模式集合与参数集合的映射关系表指的是故障模式集合中任一故障模式与参数集合中表征此故障参数的对应关系;
对于动力系统单一故障参数集合,采取遍历查询方法进行故障诊断;对于动力系统具有故障模糊度的参数集合,基于多信号流图建立故障诊断D矩阵模型,在TEAMS-RT诊断算法的基础上,采用D矩阵合并的方法进行动力系统故障诊断。
优选的,所述对于动力系统单一故障参数集合,采取遍历查询方法进行故障诊断,主要包括:
(1)确定单一参数集中每个参数的包络范围;
(2)对单一故障参数集合中的参数进行归一化处理,将测量的参数数值与对应的包络范围进行比较,当参数在包络范围内,则用状态量“1”表示正常;如果测量的参数值在参数变化包诺范围之外,则用状态量“0”表示异常;将单一故障参数集合转变为动力系统健康状态特征集合;
(3)依据故障模式集合与单一参数集合的映射关系表,将参数集合中任一特征状态为“1”的参数映射到单一故障参数集,当单一故障模式集中某一故障映射的所有参数特征状态均为“1”时,则表示此故障发生,当某一故障映射的所有参数中,任一参数的特征状态为“0”时,则表示此故障未发生;
(4)在下一个采样周期内,进入下一次故障诊断,重复步骤(2)~(4),直至故障诊断结束。
优选的,对于动力系统具有故障模糊度的参数集合,基于多信号流图建立故障诊断D矩阵模型,模型建立方法包括:
(1)建立两唯Dm×n阶矩阵诊断模型框架;将故障模式集合am中不包含单一故障参数集合映射的故障模式作为Dm×n矩阵横列的表头,分别为故障模式1、故障模式2……故障模式m;将具有故障模糊度参数集合bn的每一个参数作为Dm×n矩阵纵列的表头,分别为测量参数1、测量参数2……测量参数n;横列与纵列元素共同组成Dm×n阶故障诊断矩阵框架;
(2)将Dm×n中的任一元素Dij元素进行归一化处理,得到Dm×n故障诊断矩阵;依据故障模式集合与参数集合映射关系表,当故障模式j发生时,能被测点i所检测到,也就是故障模式j能被测量参数i所表征时,则Dm×n中对应的Dij元素则被置为“1”;如当故障模式j发生时,不能被测点i所检测到,也就是故障模式j不能被测量参数i所表征时,则Dm×n中对应的Dij元素则被置为“0”;依此将所有故障模式与所有测点之间的表征关系进行归一化处理,得到由状态特征值0和1组成的Dm×n故障诊断矩阵,即故障诊断D矩阵模型。
优选的,所述基于多信号流图建立故障诊断D矩阵模型,在TEAMS-RT诊断算法的基础上,采用D矩阵合并的方法进行动力系统故障诊断包括:
(1)在一个采样周期内,获得所有测量参数的特性向量;利用动力系统机载PHM数据中心通过箭地通信链路发送的动力系统实时遥测数据以及动力系统历史试验与飞行数据,将所有数据合并为统一的采集参数集合cm;确定所有采集参数的包络范围,对所有采集参数进行归一化处理,将采集参数数值与参数包络进行比较,当参数在包络范围内,则用状态量“1”表示正常;如果测量的参数值在参数变化包诺范围之外,则用状态量“0”表示异常;将一个采样周期内的cm参数集合变为由0、1组成的特征向量dp(p=m);
(2)将特征向量dp转秩为纵向量,记录下向量dp中所有“0”元素行的横坐标k(k∈[1、2、3……p]);删除Dm×n故障诊断矩阵中第K行DKj(j∈[1、2、3……n])特征值为“0”的元素所在列向量,假设在Dm×n矩阵中,共删除q列K行为“0”元素的列,则将Dm×n故障诊断矩阵合并为Dm×(n-q)阶矩阵;
(3)在一个采样周期内,将采集参数的特征向量dp与Dm×(n-q)故障诊断矩阵中的所有列向量DKj(K∈[1、2、3……m];j∈[1、2、3……(n-q)])逐一进行比对,当dp=DKj(K∈[1、2、3……m];j∈[1、2、3……(n-q)])时,说明故障诊断的模糊度=1,Dm×(n-q)故障诊断矩阵表头中有唯一对应的故障模式j发生,当dp≠DKj时,则Dm×(n-q)故障诊断矩阵表头中对应的故障模式j没有发生;当dp=DKj(K∈[1、2、3……m];j∈[1、2、3……(n-q)])=DKl(K∈[1、2、3……m];l∈[1、2、3……(n-q)])时,则表明故障诊断的模糊度为2,说明发生的故障可能为故障模式j或者为故障模模式l或者故障模式j与故障模模式l同时发生;
(4)对故障模式集合am中的所有故障模式,当故障诊断模糊度≤2时,故障诊断在下一个采样周期内,进入下一次故障诊断,重复步骤(1)~(3),直至故障诊断结束;当故障诊断模糊度≥3时,说明用于测量参数的测量点的设置不合理或者所设置测量点数量不够,则需要重新调整或者增加测量点,在重新生成具有故障模糊度的参数集合bn、故障模式集合与参数集合的映射关系表以及构建新的Dm×n故障诊断矩阵后,重复步骤(1)~(3),直至故障诊断结束。
优选的,完成动力系统故障诊断之后,通过构建基准评估模型,结合动力系统实时遥测数据、历史试验数据与飞行数据,对动力系统健康状态进行综合评估;地面维修保障人员根据对动力系统健康评估等级的不同采取不同的维修保障策略,在完成动力系统维修保障后,重新对动力系统健康状态进行综合评估。
优选的,所述对动力系统的健康状态进行综合评估包括:
(1)以动力系统正常状态下的特征参数作为依据构建基准评估模型Pm;
(2)在一个采样周期内,根据最新的动力系统实时遥测数据,获取动力系统当前状态下的特征矩阵Qn(m=n);
(3)计算(1)中获取的基准评估模型矩阵Pm与(2)中获取的当前状态下特征矩阵Qn之间的距离KL,KL的大小表示Pm(i)和Qn(j)之间的接近程度;
Pm(i)和Qn(j)分别为矩阵Pm与Qn中的元素;
(4)通过(3)中得到的距离KL,并结合故障模式等级与数量,利用动力系统健康评估准则对运载器动力系统的健康状况进行综合判断与评估。
优选的,所述基准评估模型矩阵Pm包括:
(1)对运载器动力系统开展FME(C)A分析,确定运载器动力系统关键部件健康表征参数的类别;在动力系统历史试验以及飞行数据中,依据健康表征参数的类别,提取关键部件健康表征参数Am;
(2)对健康表征参数集Am中的监测数据通过小波/小波包分解方法进行特征提取,形成能够反映健康状态的特征集Bm;
(3)利用等距离特征映射ISOMAP方法将特征集Bm中有物理量纲的高维矩阵分解为无量纲的低维数特征矩阵,得到特征参数集,将得到的特征参数集作为基准评估模型矩阵Pm。
优选的,所述获取动力系统当前状态下系统的特征矩阵Qn(m=n)包括:
(1)在一个采样周期内,通过接收的最新一次的动力系统实时遥测数据,得到运载器动力系统关键部件可监测参数集Cn;
(2)对可监测参数集Cn中的监测参数通过EMD方法进行特征提取,形成能够反映动力系统关键部件当下健康状态的特征集En;
(3)利用局部多维尺度分析LMDS方法将特征集En中有物理量纲的高维矩阵分解为无量纲的低维数特征矩阵,得到特征参数集,将得到的特征参数集作为特征矩阵Qn。
优选的,距离KL公式如下:
优选的,动力系统健康评估准则包括:针对低温液体火箭动力系统:
当KL=0,且未诊断出任何故障时,动力系统健康状态良好,满足执行任务要求;
当0<KL≤2时,且诊断出的非Ⅰ类、Ⅱ类故障数量≤3时,动力系统健康状态为异常,但仍可继续执行任务;故障模式等级通过FME(C)A方法分析得到;
当KL≥3时,且诊断出的非Ⅰ类、Ⅱ类故障数量>3时,动力系统健康状态为故障,需开展地面维修保障工作,不能继续执行任务;
当诊断出的Ⅰ类、Ⅱ类故障数量≥1时,不论KL为任何值,动力系统健康状态均为故障,需要立即开展地面维修保障工作,不能继续执行任务。
一种航天动力故障诊断系统,包括信息处理单元、机地协同健康管理单元;
信息处理单元:基于FME(C)A分析,得到动力系统故障模式集合以及测量参数集合;基于多信号流图分析方法,建立航天动力系统故障模式与系统测量参数之间的关系,生成故障模式集合与参数集合的映射关系表;在参数集合中,将可检测的动力系统参数分别划分为动力系统单一故障参数集合以及具有故障模糊度参数集合两大类;单一故障参数集合指的是参数集合中的任一参数在映射关系表中都只与唯一的故障模式相对应,具有故障模糊度参数集合指出的是参数集中的任一参数在映射参数表中都有两个或者两个以上的故障模式相对应;机地协同健康管理单元:对于动力系统单一故障参数集合,采取遍历查询方法进行故障诊断,对于动力系统具有故障模糊度的参数集合,基于多信号流图建立故障诊断D矩阵模型,在TEAMS-RT诊断算法的基础上,采用D矩阵合并的方法进行动力系统故障诊断。
优选的,所述系统还包括健康评估单元;;接收机地协同健康管理单元发送来的故障诊断结果,结合动力系统实时遥测数据、历史试验数据与飞行数据,对动力系统健康状态进行综合评估;地面维修保障人员根据对动力系统健康评估等级的不同采取不同的维修保障策略,在完成动力系统维修保障后,并采用相同的方法重新对动力系统健康状态进行评估。
本发明与现有技术相比的有益效果是:
(1)本发明提出一种基于多信号流图与分布式TEAMS-RT算法的航天动力故障诊断与健康评估系统方案,实现信息处理、机地协同健康管理以及健康评估等功能;
(2)本发明针对运载器动力系统,提出了一种基于数据驱动和模型的故障诊断方法,提高故障诊断的精度;
(3)本发明针对运载器动力系统,提出了一种基于数据驱动的健康状态评估方法,提高评估的准确性。
具体实施方式
下面结合实施例对本发明作进一步阐述。
一种航天动力故障诊断方法,包括:
基于FME(C)A分析,得到动力系统故障模式集合以及测量参数集合;其中,故障模式集合包括通过FME(C)A分析得到的所有故障模式,测量测试集合包括任一特定动力系统已有可测量参数的集合;基于多信号流图分析方法,利用商用测试性建模软件,建立航天动力系统故障模式与系统测量参数之间的关系,将可检测的动力系统参数划分为动力系统单一故障参数集合以及具有故障模糊度参数集合,并得到故障模式集合与参数集合的映射关系表;单一故障参数集合指的是参数集合中的任一参数都只与唯一的故障模式相对应,具有故障模糊度参数集合指出的是参数集中的任一参数都有两个或者两个以上的故障模式相对应,故障模式集合与参数集合的映射关系表指的是故障模式集合中任一故障模式与参数集合中表征此故障参数的对应关系
对于单一故障参数集合采取遍历查询的方法进行动力系统故障诊断;
对于具有故障模糊度参数集合基于多信号流图建立D矩阵故障诊断模型,在TEAMS-RT诊断算法的基础上采用D矩阵合并的方法进行动力系统故障诊断。
完成动力系统故障诊断之后,通过构建基准评估模型,结合动力系统实时遥测数据、历史试验数据与飞行数据,对动力系统健康状态进行综合评估;地面维修保障人员根据对动力系统健康评估等级的不同采取不同的维修保障策略,在完成动力系统维修保障后,并采用相同的方法重新对动力系统健康状态进行评估。
一种航天动力系统故障诊断系统,包括信息处理单元、机地协同健康管理单元,若需要进行维修保障还包括健康评估单元;
(一)信息处理单元
基于FME(C)A分析,得到动力系统故障模式集合以及测量参数集合;基于多信号流图分析方法,利用商用测试性建模软件,建立航天动力系统故障模式与系统测量参数之间的关系,生成故障模式集合与参数集合的映射关系表;在参数集合中,将可检测的动力系统参数分别划分为动力系统单一故障参数集合以及具有故障模糊度参数集合两大类;单一故障参数集合指的是参数集合中的任一参数在映射关系表中都只与唯一的故障模式相对应,具有故障模糊度参数集合指出的是参数集中的任一参数在映射参数表中都有两个或者两个以上的故障模式相对应。
(二)机地协同健康管理单元
机地协同健康管理单元对于动力系统单一故障参数集合,采取遍历查询方法进行故障诊断,对于动力系统具有故障模糊度的参数集合,基于多信号流图建立故障诊断D矩阵模型,在TEAMS-RT诊断算法的基础上,采用D矩阵合并的方法进行动力系统故障诊断。
(1)机地协同健康管理单元在一个采样周期内,利用动力系统PHM数据中心发送的动力系统实时遥测数据以及动力系统历史试验与飞行数据,对于动力系统单一故障参数集合,采取遍历查询方法进行故障诊断,具体步骤如下:
1)对信息处理单元生成的单一故障参数集合,确定参数集中每个参数的包络范围;参数包络范围的确定主要包括三种方法:①依据参数所代表实际物理量的变化范围确定,例如液体发动机燃料的加注量就是由贮箱的设计体积决定的,通过贮箱设计容量的偏差范围可以确定燃料加注量的偏差范围;②依据历史试验与飞行数据,通过数据统计的方式,确定参数的变化包络,例如液体发动机的冲量,通过对发动机试车的历史试验数据以及飞行试验数据的统计,可以确定液体发动机比冲的变化范围;③依据已经的知识推理与分析确定,例如液体发动机比冲可由先验公式推进剂比冲处以推进剂质量确定,比冲的变化范围可由推进剂冲量的变化范围以及推进剂加注的变化范围确定;
2)对单一故障参数集合中的参数进行归一化处理,将测量的参数数值与参数包络进行比较,当参数在包络范围内,则用状态量“1”表示正常;如果测量的参数值在参数变化包络范围之外,则用状态量“0”表示异常;将单一故障参数集合转变为动力系统健康状态特征集合;
3)依据信息处理单元生成故障模式集合与参数集合的映射关系表,将参数集合中任一特征状态为“1”的参数映射到单一故障参数集,当单一故障模式集中某一故障映射的所有参数特征状态均为“1”时,则表示此故障发生,当某一故障映射的所有参数特征状态均为“0”时,则表示此故障未发生;
4)在下一个采样周期内,进入下一次故障诊断,重复步骤(1)~(3),直至故障诊断结束。
机地协同健康管理单元对于具有故障模糊度参数集合,基于多信号流图建立D矩阵故障诊断模型,在TEAMS-RT诊断算法的基础上,采用D矩阵合并的方法进行动力系统故障诊断,诊断的具体步骤如下:
(1)首先,建立两维Dm×n阶矩阵诊断模型框架;将故障模式集合am中的故障模式(不包含单一故障参数集合映射的故障模式)为Dm×n矩阵横列的表头,从故障模式1、故障模式2……故障模式m;将具有故障模糊度参数集合bn的每一个参数作为Dm×n矩阵纵列的表头,从测量参数1、测量参数2……测量参数n;横列与纵列元素共同组成Dm×n阶故障诊断矩阵框架;
(2)其次,将Dm×n中的任一元素Dij元素进行归一化处理,得到Dm×n故障诊断矩阵;依据信息处理单元生成的故障模式集合与参数集合映射关系表,当故障模式j发生时,能被测点i所检测到,也就是故障模式j能被测量参数i所表征时,则Dm×n中对应的Dij元素则被置为“1”;如当故障模式j发生时,不能被测点i所检测到,也就是故障模式j不能被测量参数i所表征时,则Dm×n中对应的Dij元素则被置为“0”;依据信息处理单元生成的故障模式集合与参数集合映射关系表,将所有故障模式(1……n)与所有测点(1……m)之间的表征关系进行归一化处理,则得到了由状态特征值0和1组成的Dm×n故障诊断矩阵;
(3)在采样周期内,获得所有测量参数的特性向量;机地协同健康管理单元利用动力系统机载PHM数据中心通过箭地通信链路发送的动力系统实时遥测数据以及动力系统历史试验与飞行数据,将所有数据合并未统一的采集参数集合cm;确定所有采集参数(1……m)的包络范围,参数包络确定的三种方法与上述单一故障参数集合采取遍历查询故障诊断方法1)中的三条参数包络确定方法相同;对所有采集参数(1……m)进行归一化处理,将采集参数数值与参数包络进行比较,当参数在包络范围内,则用状态量“1”表示正常;如果测量的参数值在参数变化包诺范围之外,则用状态量“0”表示异常;将一个采样周期内的cm参数集合变为由0、1组成的特征向量dp(p=m);
(4)将特征向量dp转秩为纵向量,记录下向量dp中所有“0”元素行的横坐标k(k∈[1、2、3……p]);删除Dm×n故障诊断矩阵中第K行DKj(j∈[1、2、3……n])特征值为“0”的元素所在列向量,例如在Dm×n矩阵中,共删除q列K行为“0”元素的列,则将Dm×n故障诊断矩阵合并为了Dm×(n-q)阶矩阵;
(5)在一个采样周期内,将采集参数的特征向量dp与Dm×(n-q)故障诊断矩阵中的所有列向量DKj(K∈[1、2、3……m];j∈[1、2、3……(n-q)])逐一进行比对,当dp=DKj(K∈[1、2、3……m];j∈[1、2、3……(n-q)])时,说明故障诊断的模糊度=1,Dm×(n-q)故障诊断矩阵表头中有唯一对应的故障模式j发生,当dp≠DKj时,则Dm×(n-q)故障诊断矩阵表头中对应的故障模式j没有发生;当dp=DKj(K∈[1、2、3……m];j∈[1、2、3……(n-q)])=DKl(K∈[1、2、3……m];l∈[1、2、3……(n-q)])时,则表明故障诊断的模糊度为2,说明发生的故障可能为故障模式j或者为故障模模式l或者故障模式j与故障模模式l同时发生;
(6)对故障模式集合am中的所有故障模式,当故障诊断模糊度≤2时,故障诊断在下一个采样周期内,进入下一次故障诊断,重复步骤(3)~(6),直至故障诊断结束;当故障诊断模糊度≥3时,说明系统测量点的设置不合理或者所设置测量不够,则需要重新调整或者增加检测点,重新生成具有故障模糊度的参数集合bn、故障模式集合与参数集合的映射关系表以及构建新的Dm×n故障诊断矩阵,重复步骤(3)~(6),直至故障诊断结束。
(二)健康评估单元
健康评估单元接收机地协同健康管理单元发送来的故障诊断结果,结合动力系统实时遥测数据、历史试验数据与飞行数据,对动力系统健康状态进行综合评估;地面维修保障人员根据对动力系统健康评估等级的不同采取不同的维修保障策略,在完成动力系统维修保障后,并采用相同的方法重新对动力系统健康状态进行评估。
健康评估单元对运载器健康状态评估的实现方式如下:
(1)以动力系统正常状态下的特征参数作为依据构建基准评估模型,具体步骤如下:
1)对运载器动力系统开展FME(C)A分析,确定运载器动力系统关键部件健康表征参数的类别;在动力系统历史试验以及飞行数据中,依据健康表征参数的类别,提取关键部件健康表征参数Am;
2)对参数集Am中的监测数据通过小波/小波包分解方法进行特征提取,形成能够反映健康状态的特征集Bm;
3)利用等距离特征映射(ISOMAP)方法将特征集Bm中有物理量纲的高维矩阵分解为无量纲的低维数特征矩阵,得到特征参数集,将得到的特征参数集作为基准评估模型矩阵Pm。
说明:(1)上面的测量参数是在一个采样周期内,实时采集的动力系统实时遥测数据;(2)此处的特征参数是对动力系统历史试验与飞行数据经过小波/小波包分解方法后,进行特征提取,形成能够反映健康状态的特征值;动力哪些类型的历史试验与飞行数据可以作为关键部件的健康表征参数,是通过动力系统的FME(C)A分析确定的。
(2)在一个采样周期内,健康评估单元接收机地协同健康管理单元发送的动力系统实时遥测数据,获取动力系统当前状态下的特征矩阵Qn(m=n),具体步骤如下:
1)在一个采样周期内,通过接收机地协同健康管理单元发送的最新一次的动力系统实时遥测数据以及动力系统历史试验与飞行数据,得到运载器动力系统关键部件可监测参数集Cn;
2)对可监测参数集Cn中的监测参数通过EMD方法进行特征提取,形成能够反映健康状态的特征集En;
3)利用局部多维尺度分析(LMDS)方法将特征集En中有物理量纲的高维矩阵分解为无量纲的低维数特征矩阵,得到特征参数集,将得到的特征参数集作为特征矩阵Qn。
(4)通过(3)中得到的距离KL,并结合机地协同健康管理单元诊断出的故障模式等级与数量(故障模式等级由FME(C)A分析确定),综合工程经验,对运载器动力系统的健康状况进行综合判断与评估;针对低温液体火箭动力系统当KL=0,并机地协同健康管理单元未诊断出任何故障时,动力系统健康状态良好,满足执行任务要求;当0<KL≤2时,并机地协同健康管理单元诊断出的非Ⅰ类、Ⅱ类故障数量≤3时(故障模式的等级由FME(C)A分析确定),动力系统健康状态为异常,但仍可继续执行任务;当KL≥3时,并机地协同健康管理单元诊断出的非Ⅰ类、Ⅱ类故障数量>3时,动力系统健康状态为故障,需开展地面维修保障工作,不能继续执行任务;当机协同健康管理单元诊断出的Ⅰ类、Ⅱ类故障数量≥1时,不论KL为任何值,动力系统健康状态均为故障,需要立即开展地面维修保障工作,不能继续执行任务;以上针对低温液体动力系统健康评估方法,在实际工程应用过程中,需要结合实际动力系统的技术特点、使用特点以及维修保障数据,对不同健康状态下,KL数值以及故障模式等级与数量大小进行综合调整与修正,以便适应不同动力型号下的健康评估的需要。
(5)进入下一次健康评估,重复步骤(1)~(4),直至故障诊断结束。
本发明虽然已以较佳实施例公开如上,但其并不是用来限定本发明,任何本领域技术人员在不脱离本发明的精神和范围内,都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改,因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰,均属于本发明技术方案的保护范围。
本发明未详细说明部分属于本领域技术人员的公知常识。
Claims (12)
1.一种航天动力故障诊断方法,其特征在于包括:
基于FME(C)A分析,得到动力系统故障模式集合以及测量参数集合;其中,故障模式集合包括通过FME(C)A分析得到的所有故障模式,测量参数集合包括任一动力系统已有可测量参数的集合;
基于多信号流图分析方法,建立航天动力系统故障模式与系统测量参数之间的关系,将可检测的动力系统参数划分为动力系统单一故障参数集合以及具有故障模糊度参数集合,并得到故障模式集合与参数集合的映射关系表;单一故障参数集合指的是参数集合中的任一参数都只与唯一的故障模式相对应,具有故障模糊度参数集合指的是参数集中的任一参数都有两个或者两个以上的故障模式相对应,故障模式集合与参数集合的映射关系表指的是故障模式集合中任一故障模式与参数集合中表征此故障参数的对应关系;
对于动力系统单一故障参数集合,采取遍历查询方法进行故障诊断;对于动力系统具有故障模糊度的参数集合,基于多信号流图建立故障诊断D矩阵模型,在TEAMS-RT诊断算法的基础上,采用D矩阵合并的方法进行动力系统故障诊断。
2.根据权利要求1所述的方法,其特征在于:所述对于动力系统单一故障参数集合,采取遍历查询方法进行故障诊断,主要包括:
(1)确定单一参数集中每个参数的包络范围;
(2)对单一故障参数集合中的参数进行归一化处理,将测量的参数数值与对应的包络范围进行比较,当参数在包络范围内,则用状态量“1”表示正常;如果测量的参数值在参数变化包诺范围之外,则用状态量“0”表示异常;将单一故障参数集合转变为动力系统健康状态特征集合;
(3)依据故障模式集合与单一参数集合的映射关系表,将参数集合中任一特征状态为“1”的参数映射到单一故障参数集,当单一故障模式集中某一故障映射的所有参数特征状态均为“1”时,则表示此故障发生,当某一故障映射的所有参数中,任一参数的特征状态为“0”时,则表示此故障未发生;
(4)在下一个采样周期内,进入下一次故障诊断,重复步骤(2)~(4),直至故障诊断结束。
3.根据权利要求1所述的方法,其特征在于:对于动力系统具有故障模糊度的参数集合,基于多信号流图建立故障诊断D矩阵模型,模型建立方法包括:
(1)建立两唯Dm×n阶矩阵诊断模型框架;将故障模式集合am中不包含单一故障参数集合映射的故障模式作为Dm×n矩阵横列的表头,分别为故障模式1、故障模式2……故障模式m;将具有故障模糊度参数集合bn的每一个参数作为Dm×n矩阵纵列的表头,分别为测量参数1、测量参数2……测量参数n;横列与纵列元素共同组成Dm×n阶故障诊断矩阵框架;
(2)将Dm×n中的任一元素Dij元素进行归一化处理,得到Dm×n故障诊断矩阵;依据故障模式集合与参数集合映射关系表,当故障模式j发生时,能被测点i所检测到,也就是故障模式j能被测量参数i所表征时,则Dm×n中对应的Dij元素则被置为“1”;如当故障模式j发生时,不能被测点i所检测到,也就是故障模式j不能被测量参数i所表征时,则Dm×n中对应的Dij元素则被置为“0”;依此将所有故障模式与所有测点之间的表征关系进行归一化处理,得到由状态特征值0和1组成的Dm×n故障诊断矩阵,即故障诊断D矩阵模型。
4.根据权利要求1所述的方法,其特征在于:所述基于多信号流图建立故障诊断D矩阵模型,在TEAMS-RT诊断算法的基础上,采用D矩阵合并的方法进行动力系统故障诊断包括:
(1)在一个采样周期内,获得所有测量参数的特性向量;利用动力系统机载PHM数据中心通过箭地通信链路发送的动力系统实时遥测数据以及动力系统历史试验与飞行数据,将所有数据合并为统一的采集参数集合cm;确定所有采集参数的包络范围,对所有采集参数进行归一化处理,将采集参数数值与参数包络进行比较,当参数在包络范围内,则用状态量“1”表示正常;如果测量的参数值在参数变化包诺范围之外,则用状态量“0”表示异常;将一个采样周期内的cm参数集合变为由0、1组成的特征向量dp(p=m);
(2)将特征向量dp转秩为纵向量,记录下向量dp中所有“0”元素行的横坐标k(k∈[1、2、3……p]);删除Dm×n故障诊断矩阵中第K行DKj(j∈[1、2、3……n])特征值为“0”的元素所在列向量,假设在Dm×n矩阵中,共删除q列K行为“0”元素的列,则将Dm×n故障诊断矩阵合并为Dm×(n-q)阶矩阵;
(3)在一个采样周期内,将采集参数的特征向量dp与Dm×(n-q)故障诊断矩阵中的所有列向量DKj(K∈[1、2、3……m];j∈[1、2、3……(n-q)])逐一进行比对,当dp=DKj(K∈[1、2、3……m];j∈[1、2、3……(n-q)])时,说明故障诊断的模糊度=1,Dm×(n-q)故障诊断矩阵表头中有唯一对应的故障模式j发生,当dp≠DKj时,则Dm×(n-q)故障诊断矩阵表头中对应的故障模式j没有发生;当dp=DKj(K∈[1、2、3……m];j∈[1、2、3……(n-q)])=DKl(K∈[1、2、3……m];l∈[1、2、3……(n-q)])时,则表明故障诊断的模糊度为2,说明发生的故障可能为故障模式j或者为故障模模式l或者故障模式j与故障模模式l同时发生;
(4)对故障模式集合am中的所有故障模式,当故障诊断模糊度≤2时,故障诊断在下一个采样周期内,进入下一次故障诊断,重复步骤(1)~(3),直至故障诊断结束;当故障诊断模糊度≥3时,说明用于测量参数的测量点的设置不合理或者所设置测量点数量不够,则需要重新调整或者增加测量点,在重新生成具有故障模糊度的参数集合bn、故障模式集合与参数集合的映射关系表以及构建新的Dm×n故障诊断矩阵后,重复步骤(1)~(3),直至故障诊断结束。
5.根据权利要求1所述的方法,其特征在于:完成动力系统故障诊断之后,通过构建基准评估模型,结合动力系统实时遥测数据、历史试验数据与飞行数据,对动力系统健康状态进行综合评估;地面维修保障人员根据对动力系统健康评估等级的不同采取不同的维修保障策略,在完成动力系统维修保障后,重新对动力系统健康状态进行综合评估。
6.根据权利要求5所述的方法,其特征在于:所述对动力系统的健康状态进行综合评估包括:
(1)以动力系统正常状态下的特征参数作为依据构建基准评估模型Pm;
(2)在一个采样周期内,根据最新的动力系统实时遥测数据,获取动力系统当前状态下的特征矩阵Qn(m=n);
(3)计算(1)中获取的基准评估模型矩阵Pm与(2)中获取的当前状态下特征矩阵Qn之间的距离KL,KL的大小表示Pm(i)和Qn(j)之间的接近程度;
Pm(i)和Qn(j)分别为矩阵Pm与Qn中的元素;
(4)通过(3)中得到的距离KL,并结合故障模式等级与数量,利用动力系统健康评估准则对运载器动力系统的健康状况进行综合判断与评估。
7.根据权利要求6所述的方法,其特征在于:所述基准评估模型矩阵Pm包括:
(1)对运载器动力系统开展FME(C)A分析,确定运载器动力系统关键部件健康表征参数的类别;在动力系统历史试验以及飞行数据中,依据健康表征参数的类别,提取关键部件健康表征参数Am;
(2)对健康表征参数集Am中的监测数据通过小波/小波包分解方法进行特征提取,形成能够反映健康状态的特征集Bm;
(3)利用等距离特征映射ISOMAP方法将特征集Bm中有物理量纲的高维矩阵分解为无量纲的低维数特征矩阵,得到特征参数集,将得到的特征参数集作为基准评估模型矩阵Pm。
8.根据权利要求6所述的方法,其特征在于:所述获取动力系统当前状态下系统的特征矩阵Qn(m=n)包括:
(1)在一个采样周期内,通过接收的最新一次的动力系统实时遥测数据,得到运载器动力系统关键部件可监测参数集Cn;
(2)对可监测参数集Cn中的监测参数通过EMD方法进行特征提取,形成能够反映动力系统关键部件当下健康状态的特征集En;
(3)利用局部多维尺度分析LMDS方法将特征集En中有物理量纲的高维矩阵分解为无量纲的低维数特征矩阵,得到特征参数集,将得到的特征参数集作为特征矩阵Qn。
10.根据权利要求6所述的方法,其特征在于:动力系统健康评估准则包括:针对低温液体火箭动力系统:
当KL=0,且未诊断出任何故障时,动力系统健康状态良好,满足执行任务要求;
当0<KL≤2时,且诊断出的非Ⅰ类、Ⅱ类故障数量≤3时,动力系统健康状态为异常,但仍可继续执行任务;故障模式等级通过FME(C)A方法分析得到;
当KL≥3时,且诊断出的非Ⅰ类、Ⅱ类故障数量>3时,动力系统健康状态为故障,需开展地面维修保障工作,不能继续执行任务;
当诊断出的Ⅰ类、Ⅱ类故障数量≥1时,不论KL为任何值,动力系统健康状态均为故障,需要立即开展地面维修保障工作,不能继续执行任务。
11.一种航天动力故障诊断系统,其特征在于:包括信息处理单元、机地协同健康管理单元;
信息处理单元:基于FME(C)A分析,得到动力系统故障模式集合以及测量参数集合;基于多信号流图分析方法,建立航天动力系统故障模式与系统测量参数之间的关系,生成故障模式集合与参数集合的映射关系表;在参数集合中,将可检测的动力系统参数分别划分为动力系统单一故障参数集合以及具有故障模糊度参数集合两大类;单一故障参数集合指的是参数集合中的任一参数在映射关系表中都只与唯一的故障模式相对应,具有故障模糊度参数集合指出的是参数集中的任一参数在映射参数表中都有两个或者两个以上的故障模式相对应;机地协同健康管理单元:对于动力系统单一故障参数集合,采取遍历查询方法进行故障诊断,对于动力系统具有故障模糊度的参数集合,基于多信号流图建立故障诊断D矩阵模型,在TEAMS-RT诊断算法的基础上,采用D矩阵合并的方法进行动力系统故障诊断。
12.根据权利要求11所述的系统,其特征在于还包括健康评估单元;;接收机地协同健康管理单元发送来的故障诊断结果,结合动力系统实时遥测数据、历史试验数据与飞行数据,对动力系统健康状态进行综合评估;地面维修保障人员根据对动力系统健康评估等级的不同采取不同的维修保障策略,在完成动力系统维修保障后,并采用相同的方法重新对动力系统健康状态进行评估。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211430923.1A CN115809505A (zh) | 2022-11-15 | 2022-11-15 | 一种航天动力故障诊断与健康评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211430923.1A CN115809505A (zh) | 2022-11-15 | 2022-11-15 | 一种航天动力故障诊断与健康评估方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115809505A true CN115809505A (zh) | 2023-03-17 |
Family
ID=85483208
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211430923.1A Pending CN115809505A (zh) | 2022-11-15 | 2022-11-15 | 一种航天动力故障诊断与健康评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115809505A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116720150A (zh) * | 2023-08-09 | 2023-09-08 | 山东晋工科技有限公司 | 一种机械制冷系统故障诊断方法及系统 |
-
2022
- 2022-11-15 CN CN202211430923.1A patent/CN115809505A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116720150A (zh) * | 2023-08-09 | 2023-09-08 | 山东晋工科技有限公司 | 一种机械制冷系统故障诊断方法及系统 |
CN116720150B (zh) * | 2023-08-09 | 2023-10-20 | 山东晋工科技有限公司 | 一种机械制冷系统故障诊断方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102789545B (zh) | 基于退化模型匹配的涡轮发动机剩余寿命的预测方法 | |
US8868985B2 (en) | Supervised fault learning using rule-generated samples for machine condition monitoring | |
DE102020103768A1 (de) | Überwachung und Diagnose von Fahrzeugsystemproblemen mit Maschinenlern-Klassifikatoren | |
CN104712542B (zh) | 一种基于物联网的往复压缩机敏感特征提取与故障诊断方法 | |
CN105629958B (zh) | 一种基于子时段mpca‑svm的间歇过程故障诊断方法 | |
CN109685366A (zh) | 基于异变数据的装备健康状态评估方法 | |
CN106228176A (zh) | 一种基于工况数据检测设备状态的方法和系统 | |
CN104569694B (zh) | 一种面向航天器飞行过程的电信号特征提取和识别系统 | |
CN104880217B (zh) | 一种基于测量值关联度的故障传感器信息重构方法 | |
CN115809505A (zh) | 一种航天动力故障诊断与健康评估方法及系统 | |
CN109141898A (zh) | 一种基于物联网的柴油发动机故障诊断系统 | |
CN110348150A (zh) | 一种基于相关概率模型的故障检测方法 | |
CN109165242B (zh) | 一种基于熵排序与时空分析的故障诊断及预警方法 | |
CN108107365B (zh) | 一种电池包结构健康状态在线监测与故障预报方法及装置 | |
CN101017373A (zh) | 工业过程多分辨率软测量仪表及方法 | |
CN113344425B (zh) | 一种基于qar数据的飞行品质监控方法及系统 | |
CN108872852A (zh) | 一种风力发电机故障诊断系统及方法 | |
CN112631261A (zh) | 一种大功率拖拉机远程故障诊断系统及方法 | |
CN201035376Y (zh) | 工业生产过程小样本条件下的故障诊断装置 | |
CN116934062B (zh) | 一种基于多元融合的信息处理系统及方法 | |
CN201017232Y (zh) | 基于fisher的工业过程非线性故障诊断装置 | |
CN114036647A (zh) | 一种基于实车数据的动力电池安全风险评估方法 | |
CN108802262A (zh) | 基于多组分在线监测数据与因子分析模型联用的目标因子转换-pmf耦合算法 | |
CN116466241A (zh) | 一种单体电池热失控定位方法 | |
CN112231849B (zh) | 基于nest和sprt融合算法的轴温故障检测方法 |
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 |