基于智能二次电源的健康管理技术研究

作     者：王凤茹 

作者单位：中国科学院研究生院(长春光学精密机械与物理研究所) 

学位级别：硕士

导师姓名：于平

授予年度：2015年

学科分类：08[工学] 0825[工学-航空宇航科学与技术] 

主      题：二次电源 状态监测 故障预测 LS-SVM BP神经网络 

摘      要：随着空间技术的迅猛发展,航天飞行器的结构和应用需求也越来越复杂。为了在保障航天器的安全性和可靠性的基础上,尽可能的降低日常维护费用,欧美国家已经将健康管理技术进行推广应用。其中代表性的成果包括在BlockII型航天飞机主发动机上应用‘AHMS’系统、在F-35联合攻击战斗机上应用“预测与健康管理系统等。总体看来,健康管理技术已经成为国内外研究的重点。而二次电源作为空间装备的常见组成部分,其可靠性和安全性对整个装备有着十分重要的影响。传统的二次电源只具有完成相应电压转换的基本功能,缺乏对二次电源相关参数进行实时监控,因而无法根据二次电源的性能变化情况对实现状态监控与保护。因此开展针对二次电源的健康管理技术研究具有十分重要的意义。本文研究的主要内容是基于现有的二次电源,进行健康管理研究,实现对二次电源的实时监测、故障诊断和故障预测等功能。主要的研究内容如下:1.“故障特征的选取:针对智能二次电源,从元器件的退化趋势出发,以电路的输出电压为研究对象,采用最小二乘支持向量机的方法,建立回归模型,实现对电子系统状态特征的提取。2.“如何判断发生故障:对智能二次电源的输出电压计算马氏距离,通过健康阈值,建立控制界限图,实现对电源的监测。通过这种方法可以将微弱的早期故障过程转化为明显的马氏距离,用来对系统的健康状态进行判断。3.“如何对故障进行预测:故障预测是指利用历史数据对未来状态和趋势进行估计,并对可能出现的故障给出预警性的提示。通过预警性的提示可以将可能的损失减少到最小,对灾难性的故障进行预防。文中使用LS-VSM预测模型和BP神经网络预测模型,对故障进行预测,并对预测效果进行了对比分析。