摘要
针对航天复杂系统预测性维护存在的信息化和智能化程度不高、物理模型建模困难等问题,研究了基于数据驱动的航天复杂系统故障预测与健康管理系统(Prognosticand Health Management,PHM)的实施框架、关键技术和管理平台开发方案.具体阐述了数据驱动PHM系统的运行模式,在此基础上分析了PHM系统的关键技术,首先利用总体经验模态分解法(Ensemble Empirical Mode Decomposition,EEMD)对原始信号进行降噪和重构,将重构后的信号作为输入建立基于径向基神经网络(Radial Basis Function,RBF)神经网络的故障诊断模型;其次采用动态神经网络建立基于时间序列的故障预测模型,并建立基于故障阈值的故障报警机制:然后采用基于隐马尔科夫模型(Hidden Markov Model,HMM)方法进行关键分系统健康状态的划分和评估,通过状态映射得到复杂系统健康状态的划分和评估结果;最后设计了健康状态监测与管理平台开发方案,该平台目的是能以较高效率完成航天复杂系统的故障诊断、故障预测和健康管理等核心功能,具有较好的应用前景.
NETL