[发明专利]一种基于混合预测模型的复杂装备电源组故障预测方法

说明书

本发明属于复杂装备的故障预测技术领域，提供了一种基于混合预测模型的复杂装备电源组故障预测方法。首先分析复杂装备电源组的典型故障，并提取其中的核心属性集，将电源模块的时间序列分为线性部分和非线性部分，利用差分整合移动平均自回归模型对线性部分进行预测，对得到的残差利用人工神经网络模型进行预测，并将非线性部分的预测结果与线性部分的预测结果进行加和得到电源组的预测结果。并通过混合模型对核心属性并行参数进行监测，结合上、下限预警的状态监测方式，得到电源组的运行状态信息。本发明的基于混合预测模型复杂装备电源组故障预测方法，能有效实现对复杂装备电源组核心属性时间序列的准确预测，并有效降低电源组的虚警率。

技术领域

本发明属于复杂装备的故障预测技术领域，涉及一种基于混合预测模型的复杂装备电源组故障预测方法，尤其涉及一种针对复杂装备稳像工况下的运行数据，基于ARIMA结合ANN的混合预测模型进行的复杂装备电源组故障预测方法。

背景技术

大型装备由于其结构复杂，一旦发生故障则会造成巨大的损失。因此，迫切需要提高复杂装备系统的可靠性、可修复性和安全性。然而目前故障诊断的工作主要集中在“当前”的运行状态，对系统故障预测与健康管理的研究则较少。复杂装备领域越来越趋向于智能化、集成化、数字化，各组成部分的机理复杂且高度相关。发生故障时，设备无法有效、及时地判断故障位置和原因。目前在解决复杂装备预测问题的过程中，还主要存在以下两种问题(1)单一的预测模型本身往往存在一些缺陷，无法达到有效预测的目的；(2)单一运行参数存在反映信息不足的问题，难以进行准确的预测。

发明内容

本发明为解决上述局限性，本发明提供了一种基于混合预测模型的复杂装备电源组故障预测方法，一方面提出了一种基于ARIMA结合ANN的高精度混合预测模型，用于监测复杂装备电源组关键参数的未来发展趋势，在混合预测模型的基础上利用核心属性并行参数对电源组的运行状态进行预测，为复杂装备的未来运行状态的综合监控提供了依据。另一方面建立了复杂装备电源组未来状态监测流程，指导复杂装备的运行状态预测的实施。

为了实现上述目标，本发明采用如下的技术方案：

一种基于混合预测模型的复杂装备电源组故障预测方法，该预测方法针对复杂装备稳像工况下的运行数据；

所述故障预测方法基于混合故障预测模型进行故障预测；

所述混合故障预测模型包括ARIMA预测模型结合ANN预测模型；

所述ARIMA预测模型用于对电源组呈线性变化规律的时间序列进行预测；

所述ANN预测模型用于对电源组呈非线性变化规律的时间序列进行预测；

所述混合预测模型用于对电源组的时间序列的预测结果进行整合，并利用核心属性并行参数进行状态监测；

步骤如下：

将电源组的时间序列分为线性部分和非线性部分，利用ARIMA模型对线性部分进行预测，将电源组的原始时间序列与线性预测结果做差值，获取包含非线性变化规律的残差e(t)，对得到的残差利用ANN模型进行预测，并将非线性部分的预测结果与线性部分的预测结果进行加和得到电源组的预测结果；

S1：分析电源组故障，提取核心属性集；

S1.1：建立复杂装备中电源组包含属性集的评价指标系统；

复杂装备包含电源组、CPU板、KZB板、I/O板、ADA板、角速度传感器、横风传感器和倾斜传感器；

S1.2：分析属性之间的相关性，并利用基于粗糙集的差别矩阵进行属性约简；

S1.2.1：基于差别矩阵的定义计算差别矩阵M(T)；

S1.2.2：基于已得差别矩阵M(T)计算差别函数fM(T)；