[发明专利]一种数字化全自动的飞机蓄电池寿命预测方法

说明书

本发明公开了一种数字化全自动的飞机蓄电池寿命预测方法，以作为飞机机载应急备用电源的蓄电池为对象，针对其在飞行过程中易发生故障且故障现象复杂的问题，分别基于标准BP神经网络、遗传算法优化的BP神经网络、支持向量回归机进行寿命预测，并基于L‑M算法对以上三种预测模型的预测结果进行融合，从而实现对飞机蓄电池的寿命预测。

技术领域

本发明属于固定翼飞机故障诊断与健康管理领域，具体地说，是一种数字化全自动的飞机蓄电池寿命预测方法。

背景技术

飞机电源的作用是产生和传输电能，为机上所有的用电设备提供确定功率和所需电能，是机载设备正常运作的重要保障。随着机载设备种类的增多，对飞机电源的功率容量有了更高的要求，更加重视电源的安全性、稳定性和可靠性。蓄电池作为飞机机载应急备用电源，在供电系统处于应急状态时，向机上应急负载供电，可以实现应急负载的供电不中断转换。大中型飞机的辅助电源采用蓄电池时，可为发动机空中停车后的再次起动提供动力，并且在飞机在地面上未起飞前，保证飞机空调通风等系统的正常供电；中小型飞机的应急电源也多采用蓄电池，当飞机电源系统的主电源出现故障时，可通过直流汇流条直接向飞机关键直流用电设备供电，也可通过DC/AC逆向器向飞机关键交流用电设备供电，实现飞机的多余度供电，提高飞机的供电安全性能。因此，飞机蓄电池不仅仅是飞机电源系统功能部件，更是整个供电系统重要的保障部件，其工作性能、状态的好坏直接关系到飞机的启动、应急供电甚至飞行任务的成败。

然而，由于飞机蓄电池长期工作在高空复杂恶劣的环境条件下，蓄电池的性能变化幅度较大，并且会出现极板变形、电解液干涸、活性物质脱落等现象，导致蓄电池性能的退化甚至失效，使得在飞机需辅助或应急供电时，蓄电池无法保证用电要求，从而严重影响飞行安全。

针对飞机蓄电池进行寿命预测，实现视情报废，减少人力物力浪费，降低事故发生率，保证飞机系统的安全及稳定，实现保障资源的合理优化配置。

发明内容

本发明的发明目的在于提供一种数字化全自动的飞机蓄电池寿命预测方法，可以解决单一寿命预测模型存在选择标准不确定、预测不完整的问题，提高了飞机蓄电池寿命预测模型的泛化能力以及预测结果的准确性。

本发明的发明目的通过以下技术方案实现：

一种数字化全自动的飞机蓄电池寿命预测方法，包含以下步骤：

步骤一：选取飞机蓄电池的性能参数；

步骤二：将飞机蓄电池的性能参数分别输入标准BP神经网络模型、基于遗传算法优化的BP神经网络模型和支持向量回归机模型，得到BP神经网络寿命预测数据、遗传算法寿命预测数据和支持向量回归机寿命预测数据；

步骤三：以BP神经网络寿命预测数据、遗传算法寿命预测数据和支持向量回归机寿命预测数据的均方差函数构造L-M算法的目标函数，当目标函数取得最小值时，L-M算法输出最优的预测结果。

优选地，选取端电压和蓄电池剩余容量作为蓄电池寿命预测的性能参数。

优选地，标准BP神经网络模型通过以下方式训练；

步骤S211、设置BP神经网络的权值阈值的初始值，输入层神经元数量为8，输出层神经元数量为4，隐含层神经元数量为17，激活函数选取Sigmoid，学习率可变的动量BP算法traindx作为训练函数，训练目标为0.0001，学习速率为0.01，训练步数为3000；

步骤S212、输入训练样本后开始训练；

步骤S213、计算隐含层输出、输出层实际输出以及训练误差；

步骤S214、进行权值阈值的更新；

步骤S215、反复循环S213和S214的操作，直至目标函数达到要求，最终完成训练。