[發(fā)明專利]一種基于時(shí)序外推預(yù)測的電動舵機(jī)健康評估方法

在審

• 申請?zhí)枺?/td>: 202110823910.X
• 申請日: 2021-07-21
• 公開（公告）號: CN113536681A
• 公開（公告）日: 2021-10-22
• 發(fā)明（設(shè)計(jì)）人: 馬劍;鄒新宇;周安;張統(tǒng);程玉杰;呂琛
• 申請（專利權(quán)）人: 北京航空航天大學(xué)
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06K9/62;G06N3/04;G06N3/08;G06F119/04
• 代理公司: 北京元本知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11308
• 代理人: 李斌

本發(fā)明提供一種基于時(shí)序外推預(yù)測的電動舵機(jī)健康評估方法，包括：獲取電動液壓舵機(jī)的故障數(shù)據(jù)；對所述故障數(shù)據(jù)進(jìn)行綜合預(yù)處理，以得到訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集；對所述訓(xùn)練數(shù)據(jù)集進(jìn)行基于卷積神經(jīng)網(wǎng)絡(luò)CNN的特征提取，得到高維隱含層特征；對所述訓(xùn)練數(shù)據(jù)集進(jìn)行基于專家知識的特征提取，得到人工時(shí)域特征；對所述人工時(shí)域特征和所述高維隱含層特征進(jìn)行特征拼接，得到拼接特征集；所述特征拼接集送入基于堆疊自編碼器SAE進(jìn)行深度特征融合，從而得到二次編碼特征值；所述二次編碼特征值送入時(shí)序外推預(yù)測模型訓(xùn)練模塊，進(jìn)行時(shí)序外推預(yù)測模型訓(xùn)練，輸出電動舵機(jī)的預(yù)測時(shí)序數(shù)據(jù)；述預(yù)測數(shù)據(jù)送入?yún)?shù)健康評估模塊，對電動舵機(jī)的已有歷史故障數(shù)據(jù)和所述預(yù)測時(shí)序數(shù)據(jù)進(jìn)行健康評估，輸出參數(shù)健康度及預(yù)測結(jié)果。

技術(shù)領(lǐng)域

本發(fā)明涉及高端設(shè)備的健康評估和性能測試，特別是涉及一種基于時(shí)序外推預(yù)測的電動舵機(jī)健康評估方法。

背景技術(shù)

電動液壓舵機(jī)系統(tǒng)是一種復(fù)雜的機(jī)電一體化系統(tǒng)，同時(shí)也是一種高精度的位置伺服系統(tǒng)，對飛行器的姿態(tài)控制具有重要影響。隨著科學(xué)技術(shù)的不斷發(fā)展，先進(jìn)航空器廣泛采用速度快、精度高、功率重量比大的全數(shù)字化伺服舵機(jī)系統(tǒng)。當(dāng)代工程應(yīng)用對舵機(jī)的可靠性提出了更高的要求。舵機(jī)關(guān)鍵參數(shù)退化過程預(yù)測是舵機(jī)可靠性研究的一個(gè)重要方面。精準(zhǔn)預(yù)測舵機(jī)關(guān)鍵參數(shù)未來時(shí)間序列，把握參數(shù)變化趨勢規(guī)律，對于合理安排維修計(jì)劃、提高飛行品質(zhì)、保障飛行安全、降低全壽命周期費(fèi)用等具有重要意義。傳統(tǒng)的時(shí)序外推預(yù)測方法通常采用時(shí)間序列分解的策略，通過將時(shí)間序列分解為趨勢項(xiàng)、季節(jié)項(xiàng)、殘差項(xiàng)等分別進(jìn)行預(yù)測，最后融合各項(xiàng)預(yù)測結(jié)果得到參數(shù)的時(shí)序外推預(yù)測序列。然而，對于電動液壓舵機(jī)這樣的復(fù)雜機(jī)電系統(tǒng)，其退化過程往往表現(xiàn)出非線性，導(dǎo)致其退化參數(shù)的時(shí)間序列往往難以依照傳統(tǒng)方法進(jìn)行有效分解，給舵機(jī)關(guān)鍵參數(shù)未來時(shí)序預(yù)測問題帶來了很大困難。

為了解決該問題，提出了一種基于時(shí)序外推預(yù)測的電動舵機(jī)健康評估方法。該方法結(jié)合人工時(shí)域特征與卷積深度特征，通過二次自編碼機(jī)制實(shí)現(xiàn)特征融合，可以將原始參數(shù)的時(shí)序依賴關(guān)系與變化趨勢直接映射到隱層深度特點(diǎn)當(dāng)中，避免了傳統(tǒng)方法中序列分解的問題，為電動液壓舵機(jī)的性能預(yù)測提供了更實(shí)用的健康評估方法。

發(fā)明內(nèi)容

為了解決現(xiàn)有技術(shù)所存在的問題，本發(fā)明提出一種基于時(shí)序外推預(yù)測的電動舵機(jī)健康評估方法。

根據(jù)本發(fā)明的一個(gè)方面，提供一種基于時(shí)序外推預(yù)測的電動舵機(jī)健康評估方法，所述方法包括：獲取電動液壓舵機(jī)的故障數(shù)據(jù)；對所述故障數(shù)據(jù)進(jìn)行綜合預(yù)處理，以得到訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集；對所述訓(xùn)練數(shù)據(jù)集進(jìn)行基于卷積神經(jīng)網(wǎng)絡(luò)CNN的特征提取，得到高維隱含層特征；對所述訓(xùn)練數(shù)據(jù)集進(jìn)行基于專家知識的特征提取，得到人工時(shí)域特征；對所述人工時(shí)域特征和所述高維隱含層特征進(jìn)行特征拼接，得到拼接特征集；所述特征拼接集送入基于堆疊自編碼器SAE進(jìn)行深度特征融合，從而得到二次編碼特征值；所述二次編碼特征值送入時(shí)序外推預(yù)測模型訓(xùn)練模塊，進(jìn)行時(shí)序外推預(yù)測模型訓(xùn)練，輸出電動舵機(jī)的預(yù)測時(shí)序數(shù)據(jù)；述預(yù)測數(shù)據(jù)送入?yún)?shù)健康評估模塊，對電動舵機(jī)的已有歷史故障數(shù)據(jù)和所述預(yù)測時(shí)序數(shù)據(jù)進(jìn)行健康評估，輸出參數(shù)健康度及預(yù)測結(jié)果。

優(yōu)選地是，所述健康評估過程進(jìn)一步包括：將所述訓(xùn)練數(shù)據(jù)集與所述時(shí)序外推預(yù)測模型預(yù)測的預(yù)測時(shí)序數(shù)據(jù)進(jìn)行拼接，形成健康評估數(shù)據(jù)，對所述健康評估數(shù)據(jù)進(jìn)行滑窗分割，形成多個(gè)子窗口；對每個(gè)子窗口提取狀態(tài)表征參量。

優(yōu)選地是，所述健康評估過程進(jìn)一步包括：經(jīng)過舵機(jī)故障預(yù)測數(shù)據(jù)獲取單元獲取的歷史故障數(shù)據(jù)為X＝{x₁，x₂，...x_N}，經(jīng)過故障數(shù)據(jù)預(yù)處理單元綜合處理后，得到的訓(xùn)練數(shù)據(jù)長度為N,將訓(xùn)練數(shù)據(jù)與時(shí)序外推預(yù)測模型訓(xùn)練后得到的預(yù)測數(shù)據(jù)進(jìn)行拼接，得到長度為N+L_p的全部數(shù)據(jù)；對所述全部數(shù)據(jù)進(jìn)行滑窗切割，得到個(gè)窗口數(shù)據(jù)；其中，W″為滑窗寬度為，s″為步長，L_p為預(yù)測長度。