健康管理技术在电子系统空间应用中的研究与实现

发布时间：2017-04-08 00:01

  本文关键词：健康管理技术在电子系统空间应用中的研究与实现，，由笔耕文化传播整理发布。

【摘要】：随着系统和设备向着小型化、复杂化及智能化方向的不断发展,系统或设备自身的可靠性、安全性、可维修保障性及维修保障费用等问题日渐突出。因此,近些年发展起来的以系统状态信息监测、故障诊断和预测以及维修决策为主要内容的预测和健康管理(PHM)将成为未来自主保障系统的重要基础和研究热点。本文以一般意义上的空间电子系统为对象对PHM系统的体系结构和部分关键技术进行研究及应用,包括硬件平台的设计和软件算法的应用,具体的研究内容和工作如下:(1)建立一般最小电子系统“自主”健康管理的体系结构。在分析和总结两类典型PHM体系结构的基础上,按照逻辑功能分层级的思想设计了本文研究的体系结构,并对其中的若干关键技术进行了简要概括。(2)构建空间环境下电子系统的健康指标体系。作为健康管理系统研究的第一步,指标体系的构建是在总结其构建原则和方法的基础上完成,然后以集成了数据采集和传输方式的1-Wire传感器为基础,设计和实现了针对空间电子系统故障模拟、指标验证的硬件数据平台,并选择其中的一组指标作为整个研究的数据基础。(3)建立基于聚类算法的系统健康状态模型。在健康管理系统“自主性”的要求下,利用聚类算法和累积的历史数据经无监督分类过程建立系统的数据状态模型。经分析和验证,分别应用FCM算法和本文提出的一种拟人聚类算法完成整体上的粗分类和模式内的细分类。(4)以状态模型为基础评估系统某时刻的状态。根据纯数据的状态模型和即时时刻的状态参数,可将状态评估问题转化为基于样本和标准集的模式识别问题,本文研究时分别采用三种识别方法进行状态评估的应用验证,结果表明其中的基于统计模式的模糊模式识别方法最为合理可行。(5)利用系统指标的趋势预测完成系统状态的趋势预测。将表征状态的指标的时间序列进行分析和处理,再利用基于数据驱动的预测方法进行预测。本文先后采用灰色预测模型和BP神经网络进行研究,对比显示后者在波动序列的预测上性能更好。
【关键词】：预测与健康管理 体系结构 指标体系 聚类算法 模式识别 趋势预测
【学位授予单位】：西安微电子技术研究所
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP311.13;TP183;V443
【目录】：

• 摘要2-4
• ABSTRACT4-8
• 第一章 绪论8-11
• 1.1 课题研究背景8
• 1.2 PHM系统及本文研究的意义8-9
• 1.3 国内外的研究现状9-10
• 1.4 本文的组织结构10-11
• 第二章 健康管理系统的体系结构设计11-16
• 2.1 OSA-CBM开放式体系结构11-12
• 2.2 协同多级闭环PHM体系结构12-14
• 2.3 基于一般最小电子系统的健康管理体系结构设计14-15
• 2.3.1 分层级体系结构的设计14-15
• 2.3.2 分层级体系结构中的关键技术15
• 2.4 本章小结15-16
• 第三章 指标体系的构建及其硬件的设计应用16-23
• 3.1 健康指标体系的构建16-18
• 3.1.1 健康指标的选取原则16
• 3.1.2 健康指标的选取方法16-17
• 3.1.3 空间环境下电子系统健康指标的选取17-18
• 3.2 健康指标体系的硬件设计验证18-21
• 3.2.1 数据的采集和传输方式的选择18-19
• 3.2.2 基于故障模拟的硬件验证设计19-21
• 3.3 基于硬件模拟的指标数据源选取21-22
• 3.4 本章小结22-23
• 第四章 健康状态模型的建立23-34
• 4.1 健康状态模型的建立方法23
• 4.2 基于聚类算法的健康状态模型的建立23-33
• 4.2.1 模糊C均值聚类算法在状态模型建立中的应用23-28
• 4.2.2 一种拟人聚类算法在状态模型建立中的应用28-33
• 4.3 本章小结33-34
• 第五章 基于模型的系统健康状态的评估34-57
• 5.1 状态监测与评估技术34
• 5.2 基于相似性的模式识别及应用34-40
• 5.2.1 相似性的度量方法35-36
• 5.2.2 相似性度量在健康状态识别中的应用36-40
• 5.3 基于相似性的模式识别及应用40-44
• 5.3.1 多级模糊模式识别的交叉迭代模型40-43
• 5.3.2 多级模糊模式识别的应用及问题43-44
• 5.4 基于统计模式的模糊模式识别技术及其应用44-56
• 5.4.1 基于统计模式的隶属函数的确定45-51
• 5.4.2 状态特征指标权重的确定51-56
• 5.5 本章小结56-57
• 第六章 健康状态的趋势预测方法研究57-79
• 6.1 预测技术与方法57-58
• 6.2 灰色预测模型及其应用58-69
• 6.2.1 灰色预测模型58-63
• 6.2.2 灰色预测模型63-69
• 6.3 BP神经网络及其预测应用69-78
• 6.3.1 BP神经网络模型69-72
• 6.3.2 BP神经网络的预测应用72-78
• 6.4 本章小结78-79
• 第七章 总结与展望79-81
• 7.1 全文工作总结79
• 7.2 不足与展望79-81
• 致谢81-82
• 参考文献82-86
• 攻读学位期间参加的工作及取得的研究成果86-87

【相似文献】

中国期刊全文数据库 前10条

1 李晴;孙国江;李孝同;;基于星务管理系统的小卫星自主健康管理系统[J];航天器环境工程;2012年05期

2 邱金春;孙伟;;装甲装备预测与健康管理系统浅析[J];装备制造技术;2014年06期

3 李文娟;马存宝;贺尔铭;;综合飞行器健康管理系统组成框架及关键技术研究[J];航空工程进展;2011年03期

4 常琦;袁慎芳;邱雷;董晨华;梁栋;胡步青;;基于知识和无线传感网络的结构健康管理系统[J];振动.测试与诊断;2012年01期

5 邱立军;;武器装备故障预测与健康管理系统的关键技术[J];舰船电子工程;2012年05期

6 代京;刘浩;于劲松;;飞行器健康管理系统验证与评估技术研究[J];电子测量技术;2012年08期

7 景博;杨洲;张R

本文编号：291591