基于劣化度的裝備健康狀態(tài)預(yù)測模型研究

周偉，國濤，卓洪波，倪超，張驥，張業(yè)星

（中國人民解放軍32256 部隊，廣東 廣州 510630）

0 引言

健康狀態(tài)預(yù)測是指綜合利用各種數(shù)據(jù)信息如監(jiān)測參數(shù)、使用狀況、當(dāng)前環(huán)境、工作條件、早先試驗數(shù)據(jù)和歷史試驗數(shù)據(jù)等，并借助各種推理技術(shù)如數(shù)學(xué)模型、人工智能等評估部件或系統(tǒng)的剩余使用壽命，預(yù)計其未來的健康狀態(tài)[1]。裝備健康狀態(tài)不僅與自身性能和使用方式有關(guān)，同時也會受到地理環(huán)境和氣候因素的影響，裝備健康狀態(tài)一般可以由一系列的特征參數(shù)來進(jìn)行表征，隨著使用時間增加，各類特征參數(shù)會發(fā)生變化，當(dāng)一些特征參數(shù)偏離正常狀態(tài)時，裝備則會發(fā)生故障或者失效。當(dāng)前國內(nèi)外研究裝備健康評估預(yù)測的方法較多，從查閱的文獻(xiàn)來看，相關(guān)研究主要可以區(qū)分為基于統(tǒng)計規(guī)律的預(yù)測、基于數(shù)據(jù)的預(yù)測和基于模型的預(yù)測三大類，重點對單部件健康狀態(tài)參數(shù)融合、處理和預(yù)測展開研究，多部件多特征參數(shù)裝備健康狀態(tài)預(yù)測涉及較少[2-6]。特征參數(shù)變化可以區(qū)分為突發(fā)和劣化兩種方式，本文重點研究多劣化狀態(tài)參數(shù)裝備健康狀態(tài)預(yù)測方法。

1 裝備健康狀態(tài)預(yù)測模型

1.1 健康狀態(tài)分級

傳統(tǒng)裝備維修領(lǐng)域一般用正常和故障兩種狀態(tài)來描述技術(shù)狀態(tài)，往往難以滿足裝備精細(xì)化管理需要，借鑒文獻(xiàn)[1]，本文選用健康、良好、注意、惡化和故障5 級來表征裝備的健康狀態(tài)。

a）“健康” 狀態(tài)：表示所有參數(shù)的測試數(shù)據(jù)均在允許范圍內(nèi)，且所有測試參數(shù)均接近標(biāo)準(zhǔn)值，遠(yuǎn)離閾值；

b）“良好” 狀態(tài)：表示所有參數(shù)的測試數(shù)據(jù)均在允許范圍內(nèi)，且部分測試參數(shù)波動較大，但遠(yuǎn)未達(dá)到閾值。

c）“注意” 狀態(tài)：表示所有參數(shù)的測試數(shù)據(jù)均在允許范圍內(nèi)，且部分測試參數(shù)偏離標(biāo)準(zhǔn)值較大，離閾值不遠(yuǎn)。

d）“惡化” 狀態(tài)：表示所有參數(shù)的測試數(shù)據(jù)均在允許范圍內(nèi)，且部分測試接近離閾值。

e）“故障” 狀態(tài)：有參數(shù)達(dá)到或者超過閾值。

1.2 健康狀態(tài)評估

記某裝備由I 個部件組成，第i 個部件共有Ji個檢測特征參數(shù)，執(zhí)行定期檢查策略，檢測周期為T，記Xij（k）為第i 個部件第j 個狀態(tài)特征參數(shù)第k次檢測值。Xij（k）正常取值范圍為

表1 表征參數(shù)健康狀態(tài)等級取值標(biāo)準(zhǔn)

考慮到某一個特征參數(shù)達(dá)到域值，則代表部件處于故障狀態(tài)，故可用λ＇（Xi（k））=max {λ（Xi1（k）），λ（Xi2（k）），…，λ（XiJi（k））} 表示部件i的健康狀態(tài)表征函數(shù)，對照表1 可以確定部件健康狀態(tài)等級。同理，可用λ〃（X（k））=max {λ＇（Xi（k）），λ＇（X2（k）），…，λ＇（XI（k））} 表示裝備的健康狀態(tài)表征函數(shù)。

1.3 健康狀態(tài)預(yù)測

取xij=|Xij（k）-Xij（k-1）|為T 時間段的劣化量，xij的概率密度函數(shù)為fij（xij），一般可以根據(jù)具體歷史數(shù)據(jù)，選擇威布爾分布、對數(shù)正態(tài)分布、伽馬分布等函數(shù)進(jìn)行擬合[7]。記l（Xij）=，則在已知Xij（k-1）情況下，Xij（k）的條件概率密度函數(shù)可以表示為：

當(dāng)l（Xij）=1 時，Xij（k-1）

λ（Xij（k））的條件概率密度函數(shù)可以表示為：

已知λ（Xij（k-1）），λ（Xij（k）≤y 概率可以表示為：

λ＇（Xi（k））≤y 的概率分布可以表示為：

λ〃（X（k））≤y 的概率分布可以表示為：

已知λ（Xij（k-1））情況下，第k 次檢測時系統(tǒng)處于各健康狀態(tài)等級的概率如表2 所示。

表2 第k 檢測時系統(tǒng)的處于各健康狀態(tài)等級的概率

2 案例分析

某裝備由2 個部件構(gòu)成，每個部件均有2 個健康狀態(tài)表征參數(shù)，各參數(shù)檢測數(shù)值如表3 所示。

表3 裝備檢測數(shù)值

通過數(shù)據(jù)擬合，參數(shù)1～4 單位時間檢測周期內(nèi)的劣化量分別服從對數(shù)均值和對數(shù)標(biāo)準(zhǔn)差為（1，0.5）、（0.5，0.3）、（0.6，0.2）、（0.8，0.1）的對數(shù)正態(tài)分布。記參數(shù)1～4 的正常取之范圍分別為（940，1060）、（470，530）、（580，620）、（770，830），取a1，a2，a3，則第10 次檢測時各部件表征參數(shù)健康狀態(tài)等級如表4 所示。

表4 第10 次檢測時各部件表征參數(shù)健康狀態(tài)等級

此時部件1、部件2 和系統(tǒng)的健康狀態(tài)等級均處于注意等級。則第11 次檢測時部件和裝備處于各狀態(tài)等級的概率如表5 所示。

表5 第11 次檢測時部件和裝備處于各狀態(tài)等級的概率

3 結(jié)束語

針對多部件有多特征參數(shù)的劣化失效裝備特點，提出了裝備健康狀態(tài)分級和健康狀態(tài)評估方法，研究了裝備健康狀態(tài)等級的預(yù)測模型，并進(jìn)行了實例分析。該方法能夠較好地支撐多特征參數(shù)情況下裝備健康狀態(tài)的評估與預(yù)測，便于裝備管理保障部門掌握裝備整體健康狀態(tài)的發(fā)展變化趨勢，對裝備檢測、維修計劃和維修器材籌措的組織實施計劃制定具有重要參考和借鑒意義。