摘要
采用数据驱动的方法实现飞机主电源系统关键器件的健康状态评估。选取飞机主电源系统中故障率较高的旋转整流器整流二极管和调压器功率(Metal oxide semiconductor field effect transistor, MOSFET)管作为系统关键器件,并分析确定了关键器件的老化特性;利用仿真数据筛选出励磁机的励磁电压平均值和励磁电流平均值作为表征系统关键器件健康状态的电源系统特征变量;采用主成分分析法对系统特征变量数据进行解耦,得到可以分别表征两个关键器件健康状态的特征参数;利用高斯混合模型建立了关键器件的健康基准模型,并计算系统老化模型与健康基准模型的马氏距离;将马氏距离结果经过K-means聚类分析得到包含关键器件健康状态等级信息的训练样本集数据,将样本集数据经过神经网络训练得到系统关键器件的健康状态评估分类函数。采用蒙特卡罗仿真获取大量数据对分类函数进行验证,关键器件不同健康状态等级数据的原始分类和分类函数评估结果的匹配度达到90%以上,说明了该健康评估方法的有效性。
-
单位上海飞机设计研究院; 西北工业大学; 中航长沙设计研究院有限公司; 自动化学院