[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

说明书

本发明公开了基于作战强度和环境的装备液压系统故障预测方法，由内置和外设在装备液压系统上的各传感器实时采集和监测装备液压系统不同部件的状态特性参数和外部环境参数，引入战场环境因子和战场使用强度，从而量化战场自然环境和战场训练强度对装备液压系统影响；利用关键部件寿命及可靠性模型，对装备保障有效信息，采用基本函数叠加的方式，形成健康状态及性能衰退模型并进行故障预测，并记录数据形成历史数据库，得到一定时间之后的故障预测信息。本发明能够预测在作战中可能发生的液压故障，提前做好有效的保障。

技术领域

本发明属于故障预测技术领域，具体涉及一种基于作战强度和环境的装备液压系统故障预测方法。

背景技术

装备液压系统传统的维修方法有预防性维修和故障维修。预防性维修是基于时间的定期维护，该方法确定的维护周期偏于保守，易产生过度维修。故障维修则是在装备失效后进行的维修，该方法易导致装备出现重大损失和战备。

基层部队除了事后的故障维修，其预防性维修主要采取定期维护和视情维护两种方式，定期维护主要是在日常战备训练期间，包括每天的装备例行检查工作、每周的检查工作、每月的大型维护工作等。视情维修对维修人员的经验要求较高，需要维修人员根据装备的运行情况和自身经验判断，从而确定装备是否进行维修。目前视情维修对装备运行进行监控多通过人为来分析监控数据，人为的对故障进行预测，当检测数据较大较多时，人为难以准确判断，难以及时的集中判断各装备液压系统的运行情况。

武器装备在日常维护训练时服役环境和任务强度变化幅度小，出现突发故障的可能性小。在作战期间，装备的服役环境和任务强度会发生剧烈的变化，出现突发故障的可能性大大增加，因此，对于一个已经定型的防空反导武器装备，“定期维修”和“事后维修”的保障模式明显已经不太适应新的战场环境的需求。因此，一种新的面向战场环境的液压关键故障件的故障预测方法便变得十分迫切。

发明内容

为了解决上述问题，本发明的目的是提出一种基于作战强度和环境的装备液压系统故障预测方法，考虑装备健康状态和战场环境因素，基于卷积神经网络建立装备液压系统性能衰退预测模型，能够进行指定作战环境下的故障件预测，进而预测可能发生的液压故障，提前做好有效的保障和健康管理。

为了达到上述目的，本发明采用以下技术方案予以解决。

基于作战强度和环境的装备液压系统故障预测方法，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、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。