[发明专利]基于作战强度和环境的装备液压系统故障预测方法

权利要求书

1.基于作战强度和环境的装备液压系统故障预测方法，其特征在于，包括以下步骤：

步骤1，建立装备液压系统的原始数据库；

其中，所述装备液压系统的原始数据库包含地空导弹部队历年的健康状态数据、装备维护数据、故障历史数据、装备维修数据、备件补充数据、兵工厂单位生产参数和维修工厂维修记录；

步骤2，采用数据挖掘对原始数据库中的数据进行分类和筛选，得到有效数据集合，即装备液压系统性能状态参数和关键液压故障件信息，建立对应列表，得到关键液压故障件发生故障与装备使用频次、装备使用环境、装备维护周期之间的规律；

步骤3，采集关键液压故障件的状态特性参数和外部环境参数；确定不同作战环境下的战场工作强度因子和战场环境参数；

步骤4，利用关键部件寿命及可靠性模型，结合战场工作强度因子和战场环境参数，建立装备液压系统故障预测的马尔可夫模型；将装备液压系统性能随时间累积效应转变为卷积运算，建立基于卷积算法的过程神经网络模型，即受时间累积效应影响的装备液压系统性能衰退预测模型；

步骤5，获取训练集，采用训练集对装备液压系统性能衰退预测模型进行训练，优化模型参数，得到修正后的装备液压系统性能衰退预测模型；

步骤6，对于待执行任务，获取其作战环境下的战场工作强度因子、战场环境参数和当前装备液压系统关键部件的状态参数，并将其作为修正后的装备液压系统性能衰退预测模型的输入数据，得到作战时间后的关键液压故障件的状态预测结果。

2.根据权利要求1所述的基于作战强度和环境的装备液压系统故障预测方法，其特征在于，所述关键液压故障件发生故障与装备使用频次、装备使用环境、装备维护周期之间的规律的获取过程为：利用工业部门提供的关键部件寿命及可靠性模型，对每个装备液压系统关键故障件的保障信息，采用基本函数叠加的方式，形成健康状态及性能衰退模型。

3.根据权利要求1所述的基于作战强度和环境的装备液压系统故障预测方法，其特征在于，所述采集关键液压故障件的状态特性参数和外部环境参数，具体为：采用对应的传感器实时采集关键液压故障件的状态特性参数和外部环境参数；所述状态特性参数为关键液压故障件的工作时间和使用频率；所述外部环境参数为温度、湿度、日照、粉尘和盐雾。

4.根据权利要求1所述的基于作战强度和环境的装备液压系统故障预测方法，其特征在于，所述利用关键部件寿命及可靠性模型，结合战场工作强度因子和战场环境参数，建立装备液压系统故障预测的马尔可夫模型，具体为：采用基函数组合逼近原函数法，将历年的装备健康状态参数的离散数据拟合成函数，得到作战行动、战场环境、装备健康状态对装备液压系统性能衰退影响规律，进而建立装备液压系统故障预测的马尔可夫模型。

5.根据权利要求1所述的基于作战强度和环境的装备液压系统故障预测方法，其特征在于，所述训练集包含地空导弹部队历年的健康状态数据、装备维护数据、故障历史数据、装备维修数据、备件补充数据、兵工厂单位生产参数、维修工厂维修记录、战场工作强度因子和战场环境参数。

6.根据权利要求5所述的基于作战强度和环境的装备液压系统故障预测方法，其特征在于，所述采用训练集对装备液压系统性能衰退预测模型进行训练，优化模型参数，具体为：

(a)设置模型训练最大迭代步数，收敛误差，得到状态分类器和状态转移概率矩阵；

(b)输入训练样本，得到概率值，并进行归一化处理；

(c)归一化处理后的值作为特征向量输入SVM进行训练；

(d)采用粒子群算法进行SVM参数优化。