[發明專利]機場多平臺多設備復雜系統健康管理方法

有效

• 申請號: 201910392358.6
• 申請日: 2019-05-13
• 公開（公告）號: CN110163385B
• 公開（公告）日: 2023-02-07
• 發明（設計）人: 許朝雄;宮亮;曾蕭;楊煜普
• 申請（專利權）人: 上海交通大學
• 主分類號: G06Q10/00
• 分類號: G06Q10/00;G06Q50/30;G06F30/20;G06N3/08
• 代理公司: 上海交達專利事務所 31201
• 代理人: 王毓理;王錫麟

1.一種機場多平臺多設備復雜系統健康管理方法，其特征在于，包括以下步驟：

步驟1、采集機場電氣系統運送過程中的多個數據建立數據庫；

步驟2，具體包括：

步驟2.1)通過元器件的額定壽命L_rated，計算出元器件隨時間的每天老化速率p_l，確定元器件老化模型

步驟2.2)確定元器件疲勞參數λ，通過比較各個元器件額定環境參數矩陣W₀(k)＝[T₀，F₀，U₀]與當前環境參數矩陣W₁(k)＝[T₁，F₁，U₁]，得到元器件的疲勞模型其中：max(x，y)函數值為x與y之間較大值；

步驟2.3)元器件類型及當前環境參數W₁(k)輸入決策樹中，由決策樹判斷元器件類型，從步驟1中的數據庫中調取額定環境參數W₀(k)，并指導該元器件的模型選擇；

步驟2.4)對于機場使用的每一種元器件抽取一個新樣本，通過不斷收集繼電器的吸合時間，采集到的歷史吸合時間序列Q＝{q₁，q₂，...，q_t}存入數據庫中，其中20000≤t≤40000，到元器件吸合時間q＞50ms認為元器件老化失效，使用數據庫數據，根據AIC準則，確定自回歸滑動平均模型的階數(m，n)，最后通過最小二乘法確定ARMA參數，建立自回歸滑動平均模型模型；

步驟2.5)采用ARMA模型根據歷史時間序列{q₁，q₂，...，q_t}得到相應的預估序列Time_ARMA＝{y₁，y₂，...，y_t}，Time_ARMA為時間序列的線性分量；將歷史吸合時間序列Q減去Time_ARMA得到時間序列的非線性分量Time_RNN＝{r₁，r₂，...，r_t}；步驟2.4)中確定的階數n也作為循環神經網絡模型的階數，使用Time_RNN序列數據訓練RNN網絡，獲得元器件吸合時間的非線性分量的時序變化規律；

步驟2.6)根據元器件前n個吸合時間數據，采用訓練好的ARMA模型與RNN模型得到未來元器件吸合時間的線性變化量Time′_ARMA與非線性變化量Time′_RNN，將兩個模型輸出疊加能夠得到元器件未來吸合時間的變化情況并評估元器件的剩余壽命；

所述的數據包括：元器件額定壽命L_rated、元器件疲勞參數λ、各元器件的額定工作溫度T₀、元器件額定工作壓力F₀及元器件的額定工作電壓U₀、自動開關器件記錄前t個時刻的吸合時間{q₁，q₂，...，q_t}；

所述的疊加是指：由于線性模型與非線性模型能夠根據前n個時間點預測出第n+1個時間點吸合時間的線性部分與非線性部分，因此將線性部分與非線性部分疊加可得到n+1時間點的吸合時間，進而可以預測出吸合時間隨時間變化的曲線，預測元器件壽命。

2.根據權利要求1所述的機場多平臺多設備復雜系統健康管理方法，其特征是，所述的元器件老化速率元器件老化率為P＝∫pdt。