周偉，國濤，卓洪波，倪超，張?bào)K，張業(yè)星

（中國人民解放軍32256 部隊(duì)，廣東 廣州 510630）

0 引言

健康狀態(tài)預(yù)測是指綜合利用各種數(shù)據(jù)信息如監(jiān)測參數(shù)、使用狀況、當(dāng)前環(huán)境、工作條件、早先試驗(yàn)數(shù)據(jù)和歷史試驗(yàn)數(shù)據(jù)等，并借助各種推理技術(shù)如數(shù)學(xué)模型、人工智能等評估部件或系統(tǒng)的剩余使用壽命，預(yù)計(jì)其未來的健康狀態(tài)[1]。裝備健康狀態(tài)不僅與自身性能和使用方式有關(guān)，同時也會受到地理環(huán)境和氣候因素的影響，裝備健康狀態(tài)一般可以由一系列的特征參數(shù)來進(jìn)行表征，隨著使用時間增加，各類特征參數(shù)會發(fā)生變化，當(dāng)一些特征參數(shù)偏離正常狀態(tài)時，裝備則會發(fā)生故障或者失效。當(dāng)前國內(nèi)外研究裝備健康評估預(yù)測的方法較多，從查閱的文獻(xiàn)來看，相關(guān)研究主要可以區(qū)分為基于統(tǒng)計(jì)規(guī)律的預(yù)測、基于數(shù)據(jù)的預(yù)測和基于模型的預(yù)測三大類，重點(diǎn)對單部件健康狀態(tài)參數(shù)融合、處理和預(yù)測展開研究，多部件多特征參數(shù)裝備健康狀態(tài)預(yù)測涉及較少[2-6]。特征參數(shù)變化可以區(qū)分為突發(fā)和劣化兩種方式，本文重點(diǎn)研究多劣化狀態(tài)參數(shù)裝備健康狀態(tài)預(yù)測方法。

1 裝備健康狀態(tài)預(yù)測模型

1.1 健康狀態(tài)分級

傳統(tǒng)裝備維修領(lǐng)域一般用正常和故障兩種狀態(tài)來描述技術(shù)狀態(tài)，往往難以滿足裝備精細(xì)化管理需要，借鑒文獻(xiàn)[1]，本文選用健康、良好、注意、惡化和故障5 級來表征裝備的健康狀態(tài)。

a）“健康” 狀態(tài)：表示所有參數(shù)的測試數(shù)據(jù)均在允許范圍內(nèi)，且所有測試參數(shù)均接近標(biāo)準(zhǔn)值，遠(yuǎn)離閾值；

b）“良好” 狀態(tài)：表示所有參數(shù)的測試數(shù)據(jù)均在允許范圍內(nèi)，且部分測試參數(shù)波動較大，但遠(yuǎn)未達(dá)到閾值。

c）“注意” 狀態(tài)：表示所有參數(shù)的測試數(shù)據(jù)均在允許范圍內(nèi)，且部分測試參數(shù)偏離標(biāo)準(zhǔn)值較大，離閾值不遠(yuǎn)。

d）“惡化” 狀態(tài)：表示所有參數(shù)的測試數(shù)據(jù)均在允許范圍內(nèi)，且部分測試接近離閾值。

e）“故障” 狀態(tài)：有參數(shù)達(dá)到或者超過閾值。

1.2 健康狀態(tài)評估

記某裝備由I 個部件組成，第i 個部件共有Ji個檢測特征參數(shù)，執(zhí)行定期檢查策略，檢測周期為T，記Xij（k）為第i 個部件第j 個狀態(tài)特征參數(shù)第k次檢測值。Xij（k）正常取值范圍為

表1 表征參數(shù)健康狀態(tài)等級取值標(biāo)準(zhǔn)

考慮到某一個特征參數(shù)達(dá)到域值，則代表部件處于故障狀態(tài)，故可用λ＇（Xi（k））=max {λ（Xi1（k）），λ（Xi2（k）），…，λ（XiJi（k））} 表示部件i的健康狀態(tài)表征函數(shù)，對照表1 可以確定部件健康狀態(tài)等級。同理，可用λ〃（X（k））=max {λ＇（Xi（k）），λ＇（X2（k）），…，λ＇（XI（k））} 表示裝備的健康狀態(tài)表征函數(shù)。

1.3 健康狀態(tài)預(yù)測

取xij=|Xij（k）-Xij（k-1）|為T 時間段的劣化量，xij的概率密度函數(shù)為fij（xij），一般可以根據(jù)具體歷史數(shù)據(jù)，選擇威布爾分布、對數(shù)正態(tài)分布、伽馬分布等函數(shù)進(jìn)行擬合[7]。記l（Xij）=，則在已知Xij（k-1）情況下，Xij（k）的條件概率密度函數(shù)可以表示為：

當(dāng)l（Xij）=1 時，Xij（k-1）

λ（Xij（k））的條件概率密度函數(shù)可以表示為：

已知λ（Xij（k-1）），λ（Xij（k）≤y 概率可以表示為：

λ＇（Xi（k））≤y 的概率分布可以表示為：

λ〃（X（k））≤y 的概率分布可以表示為：

已知λ（Xij（k-1））情況下，第k 次檢測時系統(tǒng)處于各健康狀態(tài)等級的概率如表2 所示。

表2 第k 檢測時系統(tǒng)的處于各健康狀態(tài)等級的概率

2 案例分析

某裝備由2 個部件構(gòu)成，每個部件均有2 個健康狀態(tài)表征參數(shù)，各參數(shù)檢測數(shù)值如表3 所示。

表3 裝備檢測數(shù)值

通過數(shù)據(jù)擬合，參數(shù)1～4 單位時間檢測周期內(nèi)的劣化量分別服從對數(shù)均值和對數(shù)標(biāo)準(zhǔn)差為（1，0.5）、（0.5，0.3）、（0.6，0.2）、（0.8，0.1）的對數(shù)正態(tài)分布。記參數(shù)1～4 的正常取之范圍分別為（940，1060）、（470，530）、（580，620）、（770，830），取a1，a2，a3，則第10 次檢測時各部件表征參數(shù)健康狀態(tài)等級如表4 所示。

表4 第10 次檢測時各部件表征參數(shù)健康狀態(tài)等級

此時部件1、部件2 和系統(tǒng)的健康狀態(tài)等級均處于注意等級。則第11 次檢測時部件和裝備處于各狀態(tài)等級的概率如表5 所示。

表5 第11 次檢測時部件和裝備處于各狀態(tài)等級的概率

3 結(jié)束語

針對多部件有多特征參數(shù)的劣化失效裝備特點(diǎn)，提出了裝備健康狀態(tài)分級和健康狀態(tài)評估方法，研究了裝備健康狀態(tài)等級的預(yù)測模型，并進(jìn)行了實(shí)例分析。該方法能夠較好地支撐多特征參數(shù)情況下裝備健康狀態(tài)的評估與預(yù)測，便于裝備管理保障部門掌握裝備整體健康狀態(tài)的發(fā)展變化趨勢，對裝備檢測、維修計(jì)劃和維修器材籌措的組織實(shí)施計(jì)劃制定具有重要參考和借鑒意義。