[发明专利]模型自匹配融合健康预测方法

摘要

本发明公开一种模型自匹配融合健康预测方法，首先根据现有多种成熟预测模型构建预测模型总库，然后基于待测系统的健康参数时间序列数据对预测模型总库中的预测模型进行预测结果误差测试，选择其中多个预测结果误差符合正态分布的预测模型，作为组合预测模型，并进一步确定出符合预测结果误差容限要求的l个匹配预测模型用于健康参数的预测，并融合这l个匹配预测模型的预测结果，最终获取待测系统健康参数的预测值。本发明方法能够实时跟踪最新观测数据，进行多种预测模型的自动选择匹配，依据数据特点自动选择并融合多种预测模型的预测结果，尤其适用于无明显变化规律或变化规律复杂的系统的长期准确预测。

主权项

一种模型自匹配融合健康预测方法，其特征在于，包括以下步骤：(1)选择n个预测模型构建预测模型总库，其中n为正整数且n≥1；(2)依据健康参数时间序列数据，对步骤(1)的预测模型总库中的各预测模型进行预测结果误差测试，选择其中m个预测结果误差符合正态分布的预测模型，作为组合预测模型，其中,m为正整数且m≤n，健康参数为待测系统的物理参数或非物理参数，健康参数时间序列记为xk‑N+1,xk‑N+2,…xk，k为当前时刻，N为正整数且N≤k；(3)基于健康参数时间序列数据，利用步骤(2)确定的组合预测模型中的m个预测模型对健康参数进行预测，获取对应的m组预测结果；(4)对步骤(3)的m组预测结果进行显著误差检测，依据显著误差检测结果确定出l个预测结果均无显著误差的预测模型作为匹配预测模型，其中l为正整数且l≤m；(5)利用步骤(4)中确定的l个匹配预测模型进行健康参数预测，获取对应的l组预测结果；(6)对步骤(5)获取的l组预测结果进行数据融合，得到最终的健康参数预测结果,具体步骤为：设已获取的健康参数时间序列数据为N个，记为xk‑N+1,xk‑N+2,…xk,将N个健康参数时间数据分为N1个已知数据和N2＝N‑N1个测试数据，其中k为当前时刻，以N1个已知数据为输入，利用步骤(4)确定的l个预测模型，获取l组预测结果，每组预测结果有N2个预测数据，(6.1)依据N2个测试数据和N2个预测数据计算平均相对误差ej，其中j＝1,2,…,l，i＝k‑N2+1,k‑N2+2,…,k，为采用第j个预测模型的第i个预测数据，xi为测试数据；(6.2)求取(6.3)以N个已知健康参数时间序列数据为输入，利用步骤(4)确定的l个预测模型，获取前向q步的预测结果为最终求得前向q步的健康参数预测结果其中，r＝k+1,k+2,…,k+q；(7)获取新的健康参数数据，重复步骤(2)至步骤(6)，最终实现跟踪最新观测数据的模型自动选择匹配的长期预测。