[发明专利]机载电子产品故障预测方法

说明书

本发明公开的一种机载电子产品故障预测方法，旨在提供一种能够根据产品当前状态参数预测退化演变趋势的方法。本发明通过下述技术方案予以实现：基于多深度置信网络DBN融合，采集机载电子产品关键组件的表征参数，获取机载电子产品历史数据和实时监测数据，通过预设传感器采集机载电子产品实时监测数据；根据设备历史数据训练多个特异性明显的深度置信网络DBN模型，然后利用部分实时监测数据对训练后的DBN模型组进行迁移学习；再根据融合算法和实时监测数据计算各个DBN模型的融合权重，得到多模型融合的预测框架；利用预测框架和传感器实时发回的监测数据预测机载电子产品的降级演化，根据预测分析得到的故障预测结果进行维修决策。

技术领域

本发明涉及一种主要用于飞机健康管理系统或地面数据分析系统，基于多深度置信网络融合的机载电子产品故障预测方法。

背景技术

机载电子产品是飞机上各类电子产品的总称，是目前民航采用的一种包括通信、导航、仪表及自动控制系统的电子产品。机载电子产品具有多层次性和复杂性，其各个系统和内部单元存在着各种各样的复杂联系，导致了机载电子产品出现故障时的严峻性。同时随着机载电子产品的综合化和智能化程度不断提高，其内部结构间的强耦合和强相关性也导致了产品故障的随机性和关联性明显提升。机载电子产品在不同外部条件下执行任务导致差异的环境剖面和复杂多变的外界应力，使得采集到的历史数据具有强非线性和差异性，这也对机载电子产品故障预测方法的鲁棒性、适应性和准确度提出了较大的挑战。传统的人工检测维护手段已经无法满足现代化机载设备的支持保障要求。

在电子电路的故障诊断中，最常见的是模拟电路的故障诊断方法和数字电路的诊断分析。模拟电路涉及连续函数形式的模拟信号电子电路，由于模拟电路的非线性特性、连续性和元器件的容差等因素，使得模拟电路的故障分析上出现障碍，其分析难度也较大。而数字电路是由许多逻辑门组成的复杂电路，主要进行数字信号的处理。在进行故障的定位与检测时，常用的方法有故障预测方法和失效模型的故障预测方法。目前工程上常用的机载电子产品故障预测方法主要是基于失效模型的故障预测方法。故障预测方法旨在精确掌握对象的当前状态，推演产品退化的趋势并为最佳维修时机和维修方式的确定提供依据，实现以最低的资源消耗获得最大的维修效益，从而使设备最大限度地发挥其应有的效能。基于失效模型的故障预测方法是根据专家经验，研究元件结构、材料性质和故障机理，分析外部负载等要素在时间维度上对产品退化的影响，以此建立准确的数学模型表征失效趋势。虽然该方法对电子产品进行故障预测有一定效果，但存在以下两个问题：

(1)预测模型的建立依赖于专家的专业水准和工程经验，而机载电子产品新研型号多，升级换代快，整个建模过程需投入海量的人力物力。

(2)机载电子产品的任务剖面复杂随机，导致实时数据和历史数据存在分布差异，根据故障机理建立的模型无法避免由分布差异导致的误差。

深度学习作为人工智能的代表已经展示出了其出众的非线性拟合与自适应能力。其中，深度置信网络是一种基于数据驱动的无监督深度学习模型，通过多级受限波尔兹曼机堆叠结构，从原始数据中提取高质量的特征实现性能降级趋势的表征。受限玻尔兹曼机是一个随机神经网络它包含一层可见层(visible layer)和一层隐含层(hidden layer)。当网络的神经元节点被激活时会有随机行为，随机取值。神经元之间的连接是双向的以及对称的。这意味着在网络进行训练以及使用时信息会在两个方向上流动，而且两个方向上的权值是相同的。但在实际的差异性分布条件下，一个深度置信网络的提取故障的能力不足以提取出足够质量的特征完成故障预测。

发明内容

本发明的目的是针对现有技术存在的不足之处，提供一种预测效果良好，鲁棒性强、准确性高，基于多深度置信网络融合的机载电子产品故障预测方法。