一种机电系统装备健康评估方法
【专利摘要】本发明公开了一种机电系统装备健康评估方法，所述方法包括以下步骤：对机电系统进行结构和功能分解；并获取各子部件的历史运行参数；基于分解结果进行扩展失效模式与影响分析，确定表征故障的表征参数；确定影响系统健康的关键特征因素集合，构建表征早期状态模式识别指标的多维空间参数；获取传感器信号，根据多维空间参数进行故障异常检测。所述方法测试成本低、背景噪声较弱、状态信息完整，能够满足装备健康管理的信息需求。
【专利说明】
一种机电系统装备健康评估方法
技术领域
[0001] 本发明涉及一种机电系统健康状态评估方法，属于船舶控制技术领域。
【背景技术】
[0002] 装备健康管理对于提高复杂装备安全性、可靠性、维修性和经济可承受性，降低全 寿命周期费用，实现自主维修预知维修具有重要意义。状态信息是实现装备健康管理的基 础，获取状态信息的前提是确定合理的早期状态模式识别指标。合理的早期状态模式识别 指标能够有效表征故障征兆，跟踪故障演化从而快速准确地实现状态监控、故障诊断、故障 预测和健康评估。此外，在装备设计阶段，早期状态模式识别指标的选择会影响测试资源的 配置，最终影响可测性并行设计。
[0003] 健康评估是触发维修决策的前提和基础。装备健康评估是一个非常复杂的综合决 策问题，涉及装备的结构、功能、行为、故障和运作。一般地，装备的健康退化总可以通过相 关早期状态模式识别指标信息来反映，对早期状态模式识别指标信息进行综合处理有望得 到装备健康水平。
[0004] 机电系统等复杂装备的早期状态模式识别指标众多，出于经济性和可行性角度考 虑不可能对所有的早期状态模式识别指标进行测试。一般来讲，过多的早期状态模式识别 指标往往导致测试成本高、信息冗余度大、背景噪声强等问题;而过少的早期状态模式识别 指标则容易造成状态信息缺乏、不完整，不能满足装备健康管理的信息需求等问题。
[0005] 同时，复杂装备在设计阶段，物理模型缺乏，知识信息有限，不确定性和模糊性强， 很难通过基于试验和模型的方法来确定早期状态模式识别指标。
[0006] 因此需要结合装备系统的结构、功能、故障特点，构建一种合理的早期状态模式识 别指标集合进行机电系统装备健康评估。
【发明内容】
[0007] 鉴于上述的分析，本发明旨在提供一种机电系统装备健康评估方法，用以解决现 有装备健康评估方法测试成本高、信息冗余度大、背景噪声强、状态信息缺乏、不完整，不能 满足装备健康管理的信息需求等问题。
[0008] 本发明的目的主要是通过以下技术方案实现的：一种机电系统装备健康评估方 法，其特征在于，包括以下步骤：
[0009] 步骤S1、根据机电系统的设备特点、结构组成和功能组成，对机电系统进行结构和 功能分解;并获取各子部件的历史运行参数；
[0010]步骤S2、基于步骤S1的分解结果进行扩展失效模式与影响分析，对系统的各子部 件的历史运行参数进行数据分析和数据处理，确定表征故障的表征参数；
[0011] 步骤S3、在步骤S2确定的表征故障的表征参数的基础上，确定影响系统健康的关 键特征因素集合构建表征早期状态模式识别指标的多维空间参数；
[0012] 步骤S4、获取传感器信号，根据步骤S3构建的多维空间参数进行故障异常检测。
[0013] 步骤1中所述对机电系统进行结构和功能分解进一步包括：
[0014] 从硬件组成方面按照系统、子系统、部件、零件对机电系统进行进行结构分解;从 功能实现层次进行功能分解。
[0015] 步骤S2中所述数据分析和数据处理进一步包括：
[0016] 通过数据趋势分析方法确定参数间的故障传递关系;通过关联分析找到各参数之 间的报警关系及阈值关系;确定表征故障的表征参数。
[0017] 步骤S3中所述确定影响系统健康的关键特征因素集合进一步包括：
[0018] 根据表征故障的表征参数与故障的相关程度，确定影响系统健康的关键特征因素 集合；
[0019] 步骤S3中所述建表征早期状态模式识别指标的多维空间参数进一步包括：
[0020] 根据多因素影响下早期状态模式识别指标的特征因素分类构建表征早期状态模 式识别指标的多维空间参数。
[0021] 步骤S4中所述根据步骤S3构建的多维空间参数进行故障异常检测进一步包括：
[0022] 根据步骤S3得到的表征早期状态模式识别指标的多维空间参数对传感器信号进 行监测参数的处理与特征提取；
[0023]根据各参数的数据变动指数，进行故障异常检测；
[0024]得到故障征兆后，根据故障排除程序，得到故障模式，并分析该故障模式对上级设 备和系统的故障影响。
[0025]所述方法进一步包括以下步骤：
[0026]根据步骤S4得到的该故障模式对上级设备和系统的故障影响，触发维修决策。 [0027]本发明有益效果如下：
[0028] 1、从结构组成和功能组成两方面进行了机电系统分解；
[0029] 2、按照扩展FMECA分析流程，分析得到了机电系统的典型设备的早期状态模式识 别指标集；
[0030] 3、按照系统的功能和结构分解，得到了机电系统的早期状态模式识别指标集合。
[0031] 4、所述方法测试成本低、背景噪声较弱、状态信息完整，能够满足装备健康管理的 fg息需求。
[0032] 本发明的其他特征和优点将在随后的说明书中阐述，并且，部分的从说明书中变 得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明 书、权利要求书、以及附图中所特别指出的结构来实现和获得。
【附图说明】
[0033] 附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图 中，相同的参考符号表不相同的部件。
[0034] 图1为本发明中机电系统的结构层次分解示意图；
[0035] 图2为本发明中机电系统的功能分层示意图；
[0036]图3为本发明中的柴油机燃油系统结构层次分解；
[0037] 图4为本发明中柴油机燃油系统关联关系示意图；
[0038] 图5为本发明中扩展FMEA中的映射关系示意图。
[0039] 图6为本发明具体实施例的方法流程图。
【具体实施方式】
[0040] 下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并 与本发明的实施例一起用于阐释本发明的原理。
[0041] 根据本发明的一个具体实施例，公开了一种机电系统的装备健康评估方法，如图6 所示，具体包括以下步骤：
[0042] 步骤S1、根据机电系统的设备特点、结构组成和功能组成，对机电系统进行结构和 功能分解;并获取各子部件的历史运行参数。
[0043] 因为对于不同参数，在进行故障诊断时，需要从结构/功能进行诊断，因此，综合考 虑装备系统的系统组成、结构及功能层次等多方面因素的情况下，
[0044] 如图1所示，对机电系统进行综合层次分解是从设备的硬件组成方面按照系统、子 系统、部件、零件对机电系统进行进行结构分解；
[0045] 如图2所示，对机电系统进行综合层次分解是从功能实现层次进行功能分解；
[0046] 以机电系统的典型设备柴油机为例，如图3、图4所不，对其按照系统一子系统一设 备一部件一零件进行结构分解，按照机电系统一子系统一功能一零件进行功能分解，分解 之后得到是零件所承载的功能。
[0047] 步骤S2、基于步骤S1的分解结果进行扩展失效模式与影响分析(aFMEA)，对系统的 各子部件的历史运行参数进行数据分析和数据处理，确定表征故障的表征参数。
[0048] 具体地，通过数据趋势分析方法确定参数间的故障传递关系;通过关联分析找到 各参数之间的报警关系及阈值关系;确定表征故障的表征参数。
[0049] 例如，表征柴油机离心栗故障的参数包括:振动有效值、峰值、峭度、1倍频频率值 和幅值。
[0050] 步骤S3、在步骤S2确定的表征故障的表征参数的基础上，确定影响系统健康的关 键特征因素集合构建表征早期状态模式识别指标的多维空间参数。
[0051] 具体地，根据表征故障的表征参数与故障的相关程度，确定影响系统健康的关键 特征因素集合；
[0052] 根据多因素影响下早期状态模式识别指标的特征因素分类构建表征早期状态模 式识别指标的多维空间参数。
[0053] 例如，柴油机滑油系统的关键特征因素集合包括:滑油压力、滑油温度、滑油油中 水含量、滑油粘度、冷却水温度、冷却水压力等；
[0054]所构建的多维空间参数包括:滑油压力(供油能力），滑油粘度(油液品质）、滑油油 中水(污染程度等）。
[0055] 步骤S4、获取传感器信号，根据步骤S3构建的多维空间参数进行故障异常检测；
[0056] 获取传感器监测参数信号;根据步骤S3得到的表征早期状态模式识别指标的多维 空间参数对传感器信号进行监测参数的处理与特征提取;根据各参数的数据变动指数，进 行故障异常检测;得到故障征兆后，根据故障排除程序，得到故障模式，并分析该故障模式 对上级设备和系统的故障影响。
[0057]其中，参数的数据变动指勠 其中X表示当前选中的参数序列，D(X)表
.， 示参数序列的方差，E(X)表示参数序列的平均值。
[0058]当0x超过预设阈值，则认为该参数异常。
[0059]根据本发明的一个具体实施例，所述方法进一步包括以下步骤:根据步骤S4得到 的该故障模式对上级设备和系统的故障影响，触发维修决策。
[0060] 本发明有益效果如下：
[0061] 1、从结构组成和功能组成两方面进行了机电系统分解；
[0062] 2、按照扩展FMECA分析流程，分析得到了机电系统的典型设备的早期状态模式识 别指标集；
[0063] 3、按照系统的功能和结构分解，得到了机电系统的早期状态模式识别指标集合。
[0064] 4、所述方法测试成本低、背景噪声较弱、状态信息完整，能够满足装备健康管理的 fg息需求。
[0065] 以上所述，仅为本发明较佳的【具体实施方式】，但本发明的保护范围并不局限于此， 任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换， 都应涵盖在本发明的保护范围之内。
【主权项】
1. 一种机电系统装备健康评估方法，其特征在于，包括以下步骤： 步骤S1、根据机电系统的设备特点、结构组成和功能组成，对机电系统进行结构和功能 分解;并获取各子部件的历史运行参数； 步骤S2、基于步骤Sl的分解结果进行扩展失效模式与影响分析，对系统的各子部件的 历史运行参数进行数据分析和数据处理，确定表征故障的表征参数； 步骤S3、在步骤S2确定的表征故障的表征参数的基础上，确定影响系统健康的关键特 征因素集合，构建表征早期状态模式识别指标的多维空间参数； 步骤S4、获取传感器信号，根据步骤S3构建的多维空间参数进行故障异常检测。2. 根据权利要求1所述的机电系统装备健康评估方法，其特征在于，步骤1中所述对机 电系统进行结构和功能分解进一步包括： 从硬件组成方面按照系统、子系统、部件、零件对机电系统进行进行结构分解;从功能 实现层次进行功能分解。3. 根据权利要求1所述的机电系统装备健康评估方法，其特征在于，步骤S2中所述数据 分析和数据处理进一步包括： 通过数据趋势分析方法确定参数间的故障传递关系;通过关联分析找到各参数之间的 报警关系及阈值关系;确定表征故障的表征参数。4. 根据权利要求1所述的机电系统装备健康评估方法，其特征在于，步骤S3中所述确定 影响系统健康的关键特征因素集合进一步包括： 根据表征故障的表征参数与故障的相关程度，确定影响系统健康的关键特征因素集 合。5. 根据权利要求1所述的机电系统装备健康评估方法，其特征在于，步骤S3中所述建表 征早期状态模式识别指标的多维空间参数进一步包括： 根据多因素影响下早期状态模式识别指标的特征因素分类构建表征早期状态模式识 别指标的多维空间参数。6. 根据权利要求1所述的机电系统装备健康评估方法，其特征在于，步骤S4中所述根据 步骤S3构建的多维空间参数进行故障异常检测进一步包括： 根据步骤S3得到的表征早期状态模式识别指标的多维空间参数对传感器信号进行监 测参数的处理与特征提取； 根据各参数的数据变动指数，进行故障异常检测； 得到故障征兆后，根据故障排除程序，得到故障模式，并分析该故障模式对上级设备和 系统的故障影响。7. 根据权利要求1所述的机电系统装备健康评估方法，其特征在于，所述方法进一步包 括以下步骤： 根据步骤S4得到的该故障模式对上级设备和系统的故障影响，触发维修决策。
【文档编号】G06Q10/06GK105930963SQ201610235875
【公开日】2016年9月7日
【申请日】2016年4月15日
【发明人】张成伟, 刘鹏鹏, 童峻, 童一峻, 陈卓, 陈桂玲, 许萌萌
【申请人】中国船舶工业系统工程研究院