[发明专利]雷达发射机高压电源多参数融合实时健康预报方法

摘要

本发明公开了一种雷达发射机高压电源多参数融合实时健康预报方法，首先，通过在线实时监测高压电源输入电压、电流与输出电压、电流信号，实时计算并获取输出电压、输出电阻、输出纹波、电源效率四参数值，并构成四维向量作为高压电源故障特征向量；然后，根据输出电压、输出电阻、输出纹波、电源效率四个参数历史时间序列数据，采用遗传算法和最小二乘支持向量机算法实现四参数的相空间重构；采用多元时间序列局部预测融合法得到未来某时刻四参数值及对应故障特征向量；最后，对未来某时刻高压电源故障特征向量归一化后，计算其与标准故障特征向量的欧氏距离，用以评估高压电源健康状况。本发明能够实现雷达发射机高压电源实时状态监测与故障预测，为雷达发射机高压电源健康状况评估和视情维修提供准确及时的信息。

主权项

1.一种雷达发射机高压电源多参数融合实时健康预报方法，其特征在于，包括以下步骤：(1)实时采集高压电源输入电压、电流和输出电压、电流信号，实时计算并获取输出电压、输出电阻、输出纹波、电源效率四参数值，并构成四维向量作为高压电源故障特征向量；(2)对步骤(1)中获取的输出电压、输出电阻、输出纹波、电源效率四个参数历史及当前时刻的时间序列数据，使用遗传算法与最小二乘支持向量机(Least squares support vector machine，LSSVM)进行四参数相空间重构；(3)依据步骤(2)中建立的相空间重构模型，采用多元时间序列局部预测融合法获取未来某时刻输出电压、输出电阻、输出纹波、电源效率四参数值及对应故障特征向量；(4)对高压电源的额定输出电压规定最大输出电阻规定最大输出纹波规定电源效率η^*四参数值对应故障特征向量归一化，得到向量V₀，将其作为标准故障特征向量；对未来某时刻高压电源的故障特征向量归一化后得到向量V，计算V与V₀的欧氏距离d；(5)将步骤(4)中获取的未来某时刻欧氏距离d与设定故障阈值d_f比较，若d≥d_f，则判定高压电源故障，若d＜d_f，则判定高压电源尚未发生故障。