[发明专利]基于分数阶小波变换的航空直流变换器在线故障组合预测方法

说明书

技术领域

本发明涉及航空直流变换器在线故障预测算法及方法实现，具体涉及一种基于分数阶小波变换及组合预测的航空直流变换器故障预测新方法。

背景技术

随着飞机用电设备的日益增多，机载电子设备的用电量大幅增加，对航空电源系统的供电品质提出了更高的要求。航空电源系统主要包括主电源、辅助电源、应急电源和二次电源。二次电源将主电源的电能形式转换为用电设备所需的多种电能形式，是航空电源系统中必不可少的组成部分。航空直流变换器作为一种重要的二次电源，广泛应用于高压直流航空电源系统中，为各种用电设备提供低压直流电源。航空直流变换器长期运作在高空恶劣环境下，其发生故障的潜在可能性相对较大，可靠性和安全性问题越来越受到重视。因此，对航空直流变换器进行在线故障预测技术研究具有重要的理论与工程应用价值。

故障预测方法可分为基于模型和基于数据两大类，基于模型的方法需要了解待研究对象的失效物理模型，随着设备复杂度的增大，其建模难度也相应增大；而基于数据的方法即对部件或系统的性能退化数据进行现场监控，并利用相应的数据驱动算法预测其性能退化数据，为一种较实用的故障预测方法。

目前，以航空直流变换器作为故障预测对象的研究甚少，在航空直流变换器的实际使用过程中，其性能退化数据通常为复杂的非线性、非平稳时间序列，不仅包含整体退化趋势，还包含多种随机波动分量以及随环境因素变化的噪声量。使用单一模型难以对其进行准确预测，同时预测结果中含有噪声项，也会造成预测的不确定性。因此，采用一种信号处理方法对性能退化数据进行去噪预处理，并针对处理后信号的具体特征选用组合故障预测方法，从而提高在线预测的准确性，提高航空直流变换器乃至整个航空电源系统的可靠性。

发明内容

本发明的目的在于提供一种基于分数阶小波变换的航空直流变换器在线故障组合预测方法，分数阶小波变换结合了小波的多分辨分析和分数阶时频表示的双重优点，与传统的时频分析方法相比，具有无穷多个分数阶时频空间，更能展现出多样化的信号局部特征。本发明通过分数阶小波变换，将性能退化数据的时间序列分解为规律性较强的不同频率分量，并且通过计算高频分量与环境因素的联合熵，剔除由于环境波动引起的干扰噪声，还原真实的性能退化数据。针对不同分量的时频特性，建立组合预测模型，预测实时性能退化数据，进而实现航空直流变换器的在线故障预测。高频分量的预测要求预测方法具有较快的速度和较强的跟踪能力，因此以神经网络预测模型为基础，利用小波多分辨理论对其进行改进，通过建立多分辨率小波神经网络预测模型实现其时序预测。低频分量表征系统整体的退化趋势，具有单调性，将灰色模型反映确定性信息趋势的优势与神经网络的强大的学习能力相结合，利用灰色神经网络对低频分量进行预测。通过组合预测方法使得预测风险分散化，从而提高在线故障预测的准确性。

本发明为了实现上述目的，采取基于分数阶小波变换的航空直流变换器在线故障组合预测方法，包括如下步骤：

(1)实时采集航空直流变换器的输出电压和环境数据，计算不同时刻的输出电压变化率，以此作为变换器性能退化参数，获取不同时刻的性能退化数据；

(2)利用3σ方法和插值方法对性能退化数据进行异常值剔除和缺失数据填补，获取等时间间隔的性能退化数据和环境数据；

(3)对性能退化数据进行分数阶小波变换，分解为不同尺度的子分量，通过计算不同高频分量与环境数据之间的联合熵，确定噪声分量并将其剔除；

(4)针对低频分量具有规律性及周期性较强的特点，选择灰色神经网络进行预测，针对高频分量具有波动性、随机性较强的特点，采用多分辨率小波神经网络进行预测；

(5)将低频分量与高频分量的预测值叠加得到最终预测值，结合相应的故障阈值对航空直流变换器进行性能评估，实现其在线故障预测。

附图说明

图1是航空直流变换器结构框图；

图2是航空直流变换器故障预测流程图。

具体实施方式

下面结合附图对本发明的技术方案进行详细说明：

图1为航空直流变换器的结构框图，其核心部件为DC-DC变换主电路，变换器的输入信号为270V直流高压，输出信号为28V直流低压，ARM芯片用于控制变换器产生稳定输出，同时采集和处理变换器的输出电压。

图2为航空直流变换器故障预测流程图，本发明采用基于分数阶小波变换和组合预测的方法对航空直流变换器进行在线故障预测，主要分为数据采集、数据分解及去噪、子序列预测以及变换器在线故障预测，具体实施方式如下：