基于信息粒化的故障預測技術(shù)研究

摘 要：故障預測技術(shù)實現(xiàn)了飛機健康狀況的實時監(jiān)控，為飛機的安全運行提供保障。本文通過對飛機液壓系統(tǒng)的測試數(shù)據(jù)進行建模和預測，分析出飛機運行狀態(tài)，實現(xiàn)了飛機健康狀態(tài)的實時預測，為飛機的健康運行提供保障。

關(guān)鍵詞：故障預測;健康狀況;液壓系統(tǒng)

0?? 前言

故障預測實現(xiàn)了飛機健康狀況的實時監(jiān)控，通過傳感器等元器件采集設(shè)備的相關(guān)參數(shù)，并通過對參數(shù)進行實時分析，結(jié)合設(shè)備狀態(tài)，對設(shè)備的生產(chǎn)生活進行評估，根據(jù)評估的結(jié)果，及時有效地實現(xiàn)設(shè)備的合理化利用[1]。通過故障預測技術(shù)，能實現(xiàn)設(shè)備利用的最大化。

故障預測技術(shù)是故障診斷技術(shù)的提升，通過現(xiàn)有的實時的設(shè)備數(shù)據(jù)， 對比設(shè)備前某一個階段的數(shù)據(jù)，能及時的預知某設(shè)備當前狀況的好壞，實現(xiàn)設(shè)備的合理化監(jiān)控，這既改變了設(shè)備的維修方式，又實現(xiàn)了設(shè)備的合理化利用，避免了傳統(tǒng)維護方式造成的浪費，節(jié)約飛機維護的成本。傳統(tǒng)維護以時間為依據(jù)，只要時間達到維護時間，即開展維護工作，造成了人員和設(shè)備的浪費。故障預測技術(shù)的運用，實現(xiàn)了設(shè)備維修方式的改變。

故障預測技術(shù)是建立在數(shù)字化集成化的基礎(chǔ)上的技術(shù)，通過設(shè)備集成化系統(tǒng)的增多，傳感器，數(shù)據(jù)采集器的合理化使用，為故障預測技術(shù)提供了有效的設(shè)備支持。每一個設(shè)備運行中都隱藏著很多的數(shù)字化信息，通過數(shù)字化信息能判斷一個設(shè)備運行狀況的狀態(tài)[2][3]。

信息融合技術(shù)的提出，能很好地解決數(shù)據(jù)復雜不好選擇的問題，通過數(shù)據(jù)融合，能將復雜的數(shù)據(jù)合理化，通過融合后的數(shù)據(jù)，對設(shè)備進行故障預測，能很好地實現(xiàn)設(shè)備狀態(tài)的監(jiān)控。融合后的數(shù)據(jù)既具有復雜數(shù)據(jù)的特性，又將復雜的數(shù)據(jù)合理信息化，將融合后的數(shù)據(jù)運用到現(xiàn)有的預測模式中，能很好地反映出設(shè)備運行的狀態(tài)。

基于信息粒化故障預測技術(shù)是通過對實驗數(shù)據(jù)進行信息粒化，并在模糊粒化的基礎(chǔ)上實現(xiàn)基于融合方法的故障預測。

1?? 模糊信息粒化

模糊信息粒化是對現(xiàn)有設(shè)備能掌握信息的一種數(shù)據(jù)模糊化方式的表達，由于這些掌握的信息具有相似或共同的特征，通過對這些信息元素的合理化分析，就能在它們之間找到聯(lián)系，比如說規(guī)律和功能等，這個尋找它們共同特征的過程就是實現(xiàn)信息的模糊粒化。

2?? 基于模糊粒化方法的故障預測技術(shù)

本文采用小波神經(jīng)網(wǎng)絡(luò)技術(shù)與模糊信息粒化后的數(shù)據(jù)相結(jié)合的方法。通過這樣模式的結(jié)合，建立出基于模糊信息粒化的小波神經(jīng)網(wǎng)絡(luò)，通過這種預測方式對實驗平臺的采集的數(shù)據(jù)進行合理模糊化再預測。首先將實驗測得的設(shè)備數(shù)據(jù)進行處理，形成模糊化集合，集合分為 Low 數(shù)據(jù)集合、R 數(shù)據(jù)集合、Up 數(shù)據(jù)集合[4][5]。

進行預測時，用前30組信息粒化的數(shù)據(jù)運用小波神經(jīng)網(wǎng)絡(luò)進行訓練建模，再對剩下的信息粒化的數(shù)據(jù)進行預測性檢驗。最后，通過模糊信息粒化的小波神經(jīng)網(wǎng)絡(luò)預測技術(shù)與小波神經(jīng)網(wǎng)絡(luò)預測方式對比。

使用 Low 數(shù)據(jù)集合進行建模訓練，并用建好的模型進行預測，預測的數(shù)據(jù)與實際數(shù)據(jù)進行對比，預測的結(jié)果如圖1所示。通過對比分析，計算出預測誤差量，如圖2。 圖1粒化后預測數(shù)據(jù)與小波預測數(shù)據(jù)對比圖如圖所示可以看出，數(shù)據(jù)模糊信息粒化后使用小波神經(jīng)網(wǎng)絡(luò)對數(shù)據(jù)進行預測分析，粒化后的預測能更好地反映出設(shè)備流量的變化趨勢，同時，預測的誤差量更小。

經(jīng)分析計算，對 Low 數(shù)據(jù)集進行小波神經(jīng)網(wǎng)絡(luò)預測的均方誤差為0.0102，預測出數(shù)據(jù)相對百分比為1.2545。

同理，運用小波神經(jīng)網(wǎng)絡(luò)預測方法對模糊信息粒化后得到的 R 數(shù)據(jù)集合進行模型訓練和數(shù)據(jù)預測驗證，得到數(shù)據(jù)的預測結(jié)果如圖3所示，預測相對誤差量如圖4所示。

從圖3和圖4看出，數(shù)據(jù)模糊信息粒化后使用小波神經(jīng)網(wǎng)絡(luò)對數(shù)據(jù)進行預測分析，粒化后的預測能更好地反映出設(shè)備流量的變化趨勢，同時，預測的誤差量更小。經(jīng)分析計算，得到對 R 數(shù)據(jù)集合進行小波神經(jīng)網(wǎng)絡(luò)預測的均方誤差為0.0167，預測出數(shù)據(jù)的相對百分比為2.0764。

運用小波神經(jīng)網(wǎng)絡(luò)預測方法對模糊信息粒化后得到的 Up 數(shù)據(jù)集合進行模型訓練和數(shù)據(jù)預測驗證，得到數(shù)據(jù)的預測結(jié)果如圖5所示，預測相對誤差量如圖6所示。

同樣，經(jīng)分析，從圖5圖6可得出，模糊粒化后的小波神經(jīng)網(wǎng)絡(luò)預測的效果更好。經(jīng)分析計算，小波神經(jīng)網(wǎng)絡(luò)對粒化后 R 數(shù)據(jù)集進行預測，預測均方誤差為0.0150，預測相對百分比為1.7623。

3?? 結(jié)論

通過小波神經(jīng)網(wǎng)絡(luò)預測模型和信息粒化后的小波神經(jīng)網(wǎng)絡(luò)對比可以發(fā)現(xiàn)，信息粒化后的數(shù)據(jù)預測技術(shù)能更好地反映出數(shù)據(jù)變化的趨勢，進而能更好地預測出設(shè)備在不同階段下的實時與此那個數(shù)據(jù)。相對單一的小波神經(jīng)網(wǎng)路預測技術(shù)，模糊信息粒化后進行小波神經(jīng)網(wǎng)絡(luò)預測具有更明顯的優(yōu)勢。

參考文獻：

[1] 張寶珍. 國外綜合診斷、預測與健康管理技術(shù)的發(fā)展及應用[J]. 計量機測量與控制，2008，16（5）：591-594.

[2] 潘泉， 于昕， 程詠梅， 等. 信息融合理論的基本方法與進展.[J] 自動化學報，2003，Vol29（4）：599-615.

[3] 曹立軍， 杜秀菊， 秦俊奇， 等.復雜裝備的故障預測技術(shù)[J]. 飛航導彈，2004（4）23-27.

[4] 趙鵬，龍江. 基于 AMESim 的齒輪泵內(nèi)泄漏故障預測技術(shù)研究[J]. 西安航空學院學報，2016（5）：34-38.

[5] 王小川，史峰，郁磊等.MATLAB 神經(jīng)網(wǎng)絡(luò)43個案例分析[M].北京：北京航空航天大學出版社.2013.

作者簡介：

趙鵬（1989—），男 ，碩士研究生，主要從事故障診斷與預測方向的研究. 基金項目：中國民用航空飛行學院青年基金項目（Q2018-76）.