[发明专利]一种多模型融合的航空电子产品健康评估方法

说明书

本发明公开了一种多模型融合的航空电子产品健康评估方法，该方法包括以下步骤：采集航空电子产品的相关数据；对相关数据进行数据预处理；基于第一数据，训练多个基模型；预处理后的数据包括第一数据和第二数据；对多个基模型进行量化度量和融合，得到集成模型；将第二数据作为测试样本，输入集成模型中，得到航空电子产品的健康评估结果。本发明采用Adaboosting算法对多种基模型进行集成，提高了预测的稳定性和精度，有效解决了在几个全寿命周期这一小样本条件下模型训练的过拟合问题；具有更好的稳定性、趋势拟合度和预测精度，可以为基于数据驱动的方法在航空电子产品健康评估、预测与管理上的应用提供参考。

技术领域

本发明涉及健康评估技术领域，特别是一种多模型融合的航空电子产品健康评估方法，用于现代高度综合模块化航空电子产品的智能诊断系统软件开发，为系统视情维修提供技术支撑。

背景技术

随着现代电子信息技术的高速发展与大规模集成电路和芯片的广泛应用，航空电子系统在飞机平台中扮演着越来越重要的角色，系统功能更加复杂、硬件规模更加庞大，单个产品故障对飞行安全与任务可靠性的潜在影响更大。航空电子系统高度综合化的设计增加了系统内部数字、射频信号交联的复杂性，数字总线种类由原来单一1553B总线扩展到RapidIO、CAN总线、百/千/万兆以太网等，射频信号种类和频段范围扩展了1倍以上，系统模式切换与功能重构导致数字、射频信号路由切换复杂，增加了故障传播的不确定性，叠加了电子产品故障随机性与间歇性的特点，使得系统故障识别与健康评估的难度加大。

健康评估与预测是通过运用先进的传感器手段采集设备的各类数据信息，借助各种算法（如傅里叶变换、卡尔曼滤波等）和智能模型（如物理模型、神经网络、专家系统）等来监测、评估与预测产品自身的健康状态，可有效解决现代高度综合化航空电子系统BIT故障检测隔离能力受限，缺乏精准化、定量化故障退化评估与预测手段的问题，是实现航空电子系统故障重构与视情维修的关键技术。

目前，健康评估与预测方法主要分为基于故障模型和基于数据驱动的2个方向。基于失效物理模型的预测方法是通过开展失效物理实验或仿真认知产品的故障机理与产品退化的准确参数，并在基础上构建产品的失效物理模型以满足故障评估和预测的需求。该方法虽然在实验室验证中取得了一定的效果，但应用到航空电子产品上存在以下问题：(1)失效物理模型需要对产品的故障机理有着充分深入的认知，且建模过程往往是独立个性化且难以继承。目前针对航空电子产品还没有特别好的通用模型公布，而定制失效物理模型成本较高难以广泛应用在实际工程中。(2)航空电子产品运行过程中受湿热、振动、复杂电磁环境等多种因素影响，故障机理复杂，失效物理模型构建的边界难以确定，工程实践中预测结果准确性差。

基于数据驱动的健康评估方法优势在于不需要深入研究故障机理以及构建准确的失效模型，特别是对于航空航天等复杂系统，由于表征电子产品性能退化与剩余寿命的失效物理模型难以构建，而这些产品却具备大量可用的状态监测信息和测试数据，因此，数据驱动的方法得到了美国航空航天局、众多研究机构及企业的广泛重视。

目前，数据驱动的方法包括支持向量机、长短期记忆神经网络模型、深度置信网络模型、无味粒子滤波方法、随机过程模型等方法，这些方法在应用到复杂航空电子产品时主要面临两方面的技术难题：1）航空电子系统采用多层次架构，模块级、功能级、子系统级等不同层级模型面临不同飞机平台复杂电磁、机械和环境应力差异与使用模式差别带来的模型差异性；2）相同飞机平台航空电子产品在面向不同区域差异化使用环境带来的模型差异性，例如高原冰冻极寒环境、沙漠昼夜大温差环境、海洋岛礁高湿盐雾环境等。单一模型在面向上述多层次、多场景复杂应用条件时难以满足要求，需要提出一种多模型融合的航空电子产品健康评估方法，以提高算法稳定性和诊断预测精度。

发明内容

针对多区域部署恶劣环境条件和多平台复杂工况下，航空电子产品现有健康评估方法存在的泛化性不足、评估精度差等问题，本发明提出了一种稳定性和泛化性好，能适用大差异场景，趋势拟合度和精度高，能满足视情维修需求的基于多模型融合的航空电子产品健康评估方法。