一种多失效模式系统故障预测方法
【专利摘要】本发明公开了一种多失效模式系统故障预测方法，方法采用随机滤波技术，以多失效模式与测量参数的关联关系为纽带，通过数据驱动的方法完成多失效模式系统的故障预测:通过算法完成实时测量参数的滤波估计，相比采用系统原理的方法，提高了实际工作情况的针对性，增加了现场信息的利用率和预测结果的真实性；利用失效模式与测量参数的关联矩阵，解决了复杂系统多失效模式预测方法面对交联众多、强耦合的复杂系统效率低下的难题，利用系统原理信息完成了特定失效模式的定位。多失效模式系统故障预测方法兼顾了实际数据信息和系统原理信息，避免单独使用数据驱动或系统原理方法的不足，有效提高了多失效模式下故障预测的定位能力。
【专利说明】-种多失效模式系统故障预测方法
【技术领域】
[0001] 本发明设及故障预测与可靠性领域，具体地说，设及一种多失效模式系统故障预 测方法。
【背景技术】
[0002] 现代复杂系统组成环节众多，影响因素繁杂，其潜在失效可能性随着系统复杂度 的提高而增大，个别部件的故障常常会导致整个系统的擁痕，为了提高系统持续使用过程 中的可靠性、经济性，并保持相应的系统性能，W状态监控为基础的故障诊断、预测和维修 决策获得越来越多的重视，而其中故障预测或剩余工作时间预计是核屯、关键问题。
[0003] 目前国内外常用的故障预测方法可W分为机理模型和数据驱动方法，前者通过提 取系统原理、框架结构和连接关系等信息完成系统的性能估计，包括基于系统失效模式与 影响因素分析（FMEA)、物理失效机理的方法等，但由于实际个体的差异和工况外部环境的 不确定性，工程上使用往往存在较大误差；而后者采用实时状态监控数据，提取数据统计信 息，进行故障预测和定位，常用的方法包括神经网络，贝叶斯概率和粒子滤波等，该些方法 通过实时调节预测工具，能很好的适应工程现场差异，然而数据驱动方法实际应用中存在 W下问题：复杂系统交联关系复杂，存在多个并行的故障模式；个别部件的故障往往会出 现多种系统表征，造成整个系统中故障模式和状态监控信息存在多对多的复杂对应关系； 没有很好的利用系统原理知识。该些问题导致对复杂系统进行有效的诊断与预测比较困 难。
[0004] 在利用系统原理知识的基础上，针对被预测个体进行实时调节预测工具，是解决 工程现场故障预测问题的关键。针对现有数据驱动方法的不足，很有必要利用系统相关知 识进行改进，从而寻找一种优化的数据驱动方法，实现对复杂交联系统多失效模式的有效 故障预测，大幅提高预测精度和可用性，W满足相关复杂工程领域对改进和完善故障预测 技术的迫切需求。
【发明内容】
[0005] 为了避免现有技术存在的不足，克服现有故障预测方法面对交联众多、强禪合的 复杂系统效率低下的问题，本发明提出一种多失效模式系统故障预测方法；预测方法采用 随机滤波技术，W多失效模式与测量参数的关联关系为纽带，通过数据驱动的方法完成多 失效模式系统的故障预测，有效提高多失效模式下故障预测的定位能力。
[0006] 本发明解决其技术问题所采用的技术方案是：一种多失效模式系统故障预测方 法，其特征在于包括W下步骤：
[0007] 步骤1.分析被预测系统失效模式，选取合适监控参数；
[000引针对被预测系统，采用系统失效模式与影响因素分析方法对被预测系统的失效模 式进行分析，选择影响系统正常工作或较高危害等级的重要失效模式，对每个失效模式和 对应的失效原因进行分析，选择能够反映相应失效模式的监控/测试参数；
[0009] 步骤2.分析研究系统交联关系，生成失效模式与监控参数间关联矩阵；
[0010] 对步骤1所选取的多失效模式和多监控/测试参数进行交联关系分析，建立失效 模式与监控参数间关联矩阵，用于描述各个失效模式与监控参数间是否存在因果关系；
[0011] 步骤3.对选择的监控参数进行数据滤波估计；
[0012] 对步骤1所选择的监控参数进行持续测量，得到每一个测量/采样时刻监控参数 的值；每个监控参数的值，由于包含实际测试过程中的各种噪声，采用随机滤波方法进行数 据滤波估计，得到各个时刻监控参数的估计值W及相应的估计误差；
[0013] 步骤4.采用滤波估计值进行参数外推，预测系统剩余工作时间
[0014] 采用步骤3所获得的当前时刻测量参数估计值和对应估计误差，进行未来时刻的 参数值预测或外推：
[0015] Xj{k + \) = Ax.{k)
[0016] P(k+1)=APWAT (1)
[0017] 式中，為(A + 1)表示第k+1时刻第j个监控参数的估计值，A为事先选定的系统矩 阵，AT表示矩阵A的转置，P化+1)表示k+1时刻估计均方误差；
[001引对公式（1)进行循环迭代，直至所有测量参数中某个参数估计值 = …附等于或大于预先确定该测量参数口限'，假设参数为第j个，^为满足 该一条件的迭代当前步，则系统剩余工作时间或故障时间预测L可由7； =(/7-A，,,)*7计算 得到，k。为预测外推开始时刻的迭代步；
[0019] 步骤5.采用步骤2所建立的关联矩阵进行具体失效模式的定位；
[0020] 针对滤波估计的所有监控参数，第i个故障模式i = 1，2, --?!!发生的概率为时 刻怎与该故障模式相关的所有测量参数大于等于对应测量参数口限的概率，该时刻*某一 个测量参数估计值等于或大于预先确定的口限<'，即该概率定义为：
[0021]
【权利要求】
1. 一种多失效模式系统故障预测方法，其特征在于包括以下步骤： 步骤1.分析被预测系统失效模式，选取合适监控参数； 针对被预测系统，采用系统失效模式与影响因素分析方法对被预测系统的失效模式进 行分析，选择影响系统正常工作或较高危害等级的重要失效模式，对每个失效模式和对应 的失效原因进行分析，选择能够反映相应失效模式的监控/测试参数； 步骤2.分析研宄系统交联关系，生成失效模式与监控参数间关联矩阵； 对步骤1所选取的多失效模式和多监控/测试参数进行交联关系分析，建立失效模式 与监控参数间关联矩阵，用于描述各个失效模式与监控参数间是否存在因果关系； 步骤3.对选择的监控参数进行数据滤波估计； 对步骤1所选择的监控参数进行持续测量，得到每一个测量/采样时刻监控参数的值； 每个监控参数的值，由于包含实际测试过程中的各种噪声，采用随机滤波方法进行数据滤 波估计，得到各个时刻监控参数的估计值以及相应的估计误差； 步骤4.采用滤波估计值进行参数外推，预测系统剩余工作时间Ts; 采用步骤3所获得的当前时刻测量参数估计值和对应估计误差，进行未来时刻的参数 值预测或外推： + = Ax^k) P(k+1) =AP(k)AT (I) 式中，A^ +l)表示第k+1时刻第j个监控参数的估计值，A为事先选定的系统矩阵，At 表示矩阵A的转置，P(k+1)表示k+1时刻估计均方误差； 对公式（1)进行循环迭代，直至所有测量参数中某个参数估计值七(f)./ =l,2,…《等 于或大于预先确定该测量参数门限?<，假设参数为第j个，f为满足这一条件的迭代当前 步，则系统剩余工作时间或故障时间预测Ts可由7；=庆-pr计算得到，Ictl为预测外推开 始时刻的迭代步； 步骤5.采用步骤2所建立的关联矩阵进行具体失效模式的定位； 针对滤波估计的所有监控参数，第i个故障模式fi，i= 1，2, --?!!发生的概率为时刻F与该故障模式相关的所有测量参数大于等于对应测量参数门限的概率，该时刻^某一个测 量参数估计值等于或大于预先确定的门限<，即该概率定义为：
值，t为步骤2所给出的失效模式与监控参数间关联矩阵项值；则最有可能发生的失效模 式应为失效概率值最大的一项，由此完成失效模式的预测和定位。
【文档编号】G06F19/00GK104504260SQ201410781541
【公开日】2015年4月8日 申请日期:2014年12月16日 优先权日:2014年12月16日
【发明者】陈杰, 马存宝, 宋东, 和麟, 张天伟 申请人:西北工业大学