[发明专利]一种运载火箭健康检测验证评估系统和方法在审
申请号: | 202210288798.9 | 申请日: | 2022-03-22 |
公开(公告)号: | CN114688926A | 公开(公告)日: | 2022-07-01 |
发明(设计)人: | 焉宁;郝宇星;王小锭;张霞;高朝辉;徐振亮;邓思超;李一帆;吴胜宝;张烽;申麟;刘岱;魏明 | 申请(专利权)人: | 中国运载火箭技术研究院 |
主分类号: | F42B35/00 | 分类号: | F42B35/00;G06K9/62 |
代理公司: | 中国航天科技专利中心 11009 | 代理人: | 杨春颖 |
地址: | 100076 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 运载火箭 健康 检测 验证 评估 系统 方法 | ||
1.一种运载火箭健康检测验证评估系统,其特征在于,包括:
运载火箭健康表征及影响评估模块,用于对运载火箭关键系统和部件相关数据资料进行收集和分析,确定运载火箭关键系统和部件、故障模式和故障表征参数之间的映射关系;
健康检测和故障诊断验证评估模块,用于接收注入的样本故障模式,根据运载火箭关键系统和部件、故障模式和故障表征参数之间的映射关系,确定样本故障模式对应的故障表征参数;根据样本故障模式对应的故障表征参数,构建得到运载火箭关键系统和部件健康管理算法模型;以及,接收注入的待分析故障模式,调用相应的运载火箭关键系统和部件健康管理算法模型,进行运载火箭健康检测验证评估;
运载火箭关键系统和部件健康管理算法库模块,用于存储运载火箭关键系统和部件健康管理算法模型。
2.根据权利要求1所述的运载火箭健康检测验证评估系统,其特征在于,运载火箭关键系统和部件健康管理算法模型,包括:基于隐马尔可夫模型的健康评估算法模型、基于广义高斯核支持向量机的故障诊断算法模型和基于动态推理的故障诊断算法模型。
3.根据权利要求2所述的运载火箭健康检测验证评估系统,其特征在于,
运载火箭关键系统和部件,包括:蓄电池、发动机和箭载计算机;
故障表征参数,包括:用于表征蓄电池是否发生故障的蓄电池故障表征参数、用于表征发动机是否发生故障的发动机故障表征参数、用于表征箭载计算机是否发生故障的箭载计算机故障表征参数。
4.根据权利要求1所述的运载火箭健康检测验证评估系统,其特征在于,运载火箭健康表征及影响评估模块,用于:
对运载火箭关键系统和部件相关数据资料进行收集,确定运载火箭关键系统和部件对应的统计性能数据、故障记录与维修手册、寿命数据和运行维护信息;
根据统计性能数据、故障记录与维修手册、寿命数据和运行维护信息,对运载火箭关键系统和部件进行FMECA分析和FTA分析,确定运载火箭关键系统和部件、故障模式、以及故障表征参数之间的映射关系。
5.根据权利要求3所述的运载火箭健康检测验证评估系统,其特征在于,健康检测和故障诊断验证评估模块在根据样本故障模式对应的故障表征参数,构建得到运载火箭关键系统和部件健康管理算法模型时,包括:
当样本故障模式对应的故障表征参数为蓄电池故障表征参数时,对蓄电池故障表征参数进行标准化处理,得到标准化处理后的数据;
采用主成分分析法,对标准化处理后的数据进行降维处理,得到降维处理后的数据;
采用无监督聚类算法,对降维处理后的数据进行聚类,划分相应的数据集,将蓄电池设定为健康、亚健康、危险、故障状态;
使用聚类后的数据对隐马尔可夫模型进行训练,构建得到基于隐马尔可夫模型的健康评估算法模型。
6.根据权利要求3所述的运载火箭健康检测验证评估系统,其特征在于,健康检测和故障诊断验证评估模块在根据样本故障模式对应的故障表征参数,构建得到运载火箭关键系统和部件健康管理算法模型时,包括:
当样本故障模式对应的故障表征参数为发动机故障表征参数时,将发动机故障表征参数作为广义高斯核支持向量机模型的输入;
采用方差选择法,对广义高斯核支持向量机模型进行参数筛选,得到方差大于预设阈值的参数;其中,预设阈值为[0,1];
将筛选得到的方差大于预设阈值的参数按照随机策略划分为训练集和测试集;
通过训练集对广义高斯核支持向量机模型进行训练,并采用混沌遗传算法对参数进行优化,得到诊断准确率最高的广义高斯核支持向量机模型,即为基于广义高斯核支持向量机的故障诊断算法模型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国运载火箭技术研究院,未经中国运载火箭技术研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210288798.9/1.html,转载请声明来源钻瓜专利网。