飞行器贮存期间健康状态评估与预测方法研究

作     者：李晓晴 

作者单位：北京交通大学 

学位级别：硕士

导师姓名：沈海阔

授予年度：2022年

学科分类：08[工学] 082503[工学-航空宇航制造工程] 0825[工学-航空宇航科学与技术] 0812[工学-计算机科学与技术（可授工学、理学学位）] 081202[工学-计算机软件与理论] 

主      题：健康评估 健康预测 Dempster-Shafer证据理论 Petri网 灰色模型 

摘      要：以无人机、火箭、导弹为代表的飞行器,普遍具有“长期贮存,少量测试,一次使用的典型特点。作为国家武装力量的重要组成部分,随着国防建设和军队现代化进程的加快,飞行器的型号和数量越来越多,管理难度也逐渐上升,对飞行器的健康管理与保障技术也提出了更严格的要求。本文主要以某型号飞行器为研究对象,对该类装备的系统组成特点进行充分挖掘和分析,建立了相应的多层次健康状态评估与预测指标体系,为后续健康状态评估与预测算法的研究和改进奠定了理论基础,并在此基础上实现飞行器装备健康管理系统的设计与开发。首先,基于故障预测与健康管理技术,从系统级对飞行器的健康状态进行评估和预测。利用熵权法和归一化计算健康评估指标权重,作为证据“折扣率对经典Dempster-Shafer证据理论中的证据源进行修正。继而采用Jousselme距离函数计算证据的可信度,当证据存在冲突时,利用加权平均证据代替冲突证据,通过改进的Dempster-Shafer证据理论评估关键单机子设备的健康状态等级,并将其转换为健康度,作为飞行器系统健康状态评估模糊Petri网的输入库所,根据库所变迁规则依次推理飞行器分系统以及系统级的健康状态。在此基础上,参考飞行器在部队中的实际贮存情况,利用基于遗传算法的组合优化方法实现批量飞行器的健康状态评估与分析,合理搭配资源,使同批次的飞行器整体健康状态最优化。其次,针对飞行器测试参数小样本、贫信息等特点,结合传统的灰色预测模型、分数阶累加灰色预测模型,提出改进背景值的分数阶累加灰色预测模型对健康评估指标参数进行预测,并通过飞行器电源组合模块验证了该方法的有效性,验证结果显示本文提出的预测模型的平均相对误差小于其他算法,且精度等级最高,可实现短期内飞行器健康状态趋势的预测,为后勤工作人员的维修保养工作提供理论支持。最后,基于国产的中标麒麟操作系统,在Qt5.6的开发环境下开发了一套基于云服务的飞行器健康管理系统,完成了系统的结构设计与功能模块划分,并融合了装备健康管理和信息管理等功能,实现了各个模块的功能细节及数据库的设计与管理,并对飞行器健康状态评估与预测模块进行了功能验证。综上,希望本文提出的针对长期贮存类飞行器的健康状态评估与预测方法能够促进我国装备领域健康管理技术的发展。本论文图70幅,表31个,参考文献70篇。