[发明专利]基于模糊奇偶方程及AR模型的非线性系统故障预测方法

说明书

技术领域

本发明涉及一种故障诊断与预测领域，特别是一种基于模糊奇偶方程及AR模型的非线性 系统故障预测方法。

背景技术

奇偶方程是线性系统故障诊断中常用的一种基于模型的方法，主要是利用实测数据去检 测系统数学方程的一致性。奇偶方程产生的残差在理论上仅在故障时非零，由此可进行故障 诊断。将T-S模糊模型、全解耦奇偶方程和参数估计相结合，同时对非线性系统多个传感器 故障进行检测、隔离和识别，通过对飞机控制系统传感器的故障诊断验证了方法的有效性。 时间序列方法首先由Box和Jenkens在1970年系统提出，发展到现在已较为成熟，在社会学、 自然科学以及工程等众多学科领域都取得了良好的效果，能解决社会科学中诸如供应链管理 (SCM)中的需求预报、不同季节的大气污染指标(API)预报等问题；在对设备的故障监测、 诊断和预报中的运用也极其广泛。Fassois S.D.和Sakellariou J.S.运用时间序列分析方法 对飞机仪表板的故障情况进行识别；吴庚申等人采用Bently实验台所采集的碰摩、松动、不 对中和不平衡四种典型汽轮机转子振动故障水平方向与垂直方向的数据，建立了汽轮机转子 振动故障序列自回归滑移平均(ARMA)模型。

而现有技术基于模糊奇偶方程的诊断方法，对于故障参数估计都针对于常值故障及刻度 系数故障，对于故障幅值随时间变化的情况还较少应用，且使用时间序列分析方法进行预测 在故障预测方面应用较少，对于预测结果的准确性没有给出反映指标。

发明内容

针对上述现有技术的缺陷，本发明的目的是提供一种以故障发生概率的形式给出了预测 结果，并预测置信因子来反映了预测结果的准确程度的基于模糊奇偶方程及AR模型的非线性 系统故障预测方法。

为达到上述目的，本发明采用如下技术方案：

一种基于模糊奇偶方程及AR模型的非线性系统故障预测方法，包括以下步骤：

采用模糊奇偶方程方法估计非线性系统执行器或传感器偏差；

采用AR模型对所述执行器、传感器产生的偏差序列进行建模，给出偏差预测值；

由偏差预测值结合其统计规律计算执行器或传感器故障发生概率，并用预测置信因子对 预测准确性进行评价。

本发明的基于模糊奇偶方程及AR模型的非线性系统故障预测方法，其中所述采用模糊奇 偶方程方法估计非线性系统执行器、传感器偏差的步骤还包括：

对非线性系统在各工作点处线性化，得到局部线性模型；

离线计算出各局部线性模型的奇偶方程；

利用T-S模型产生系统的残差，根据残差进行故障诊断。

本发明的基于模糊奇偶方程及AR模型的非线性系统故障预测方法，其中所述利用T-S模 型产生系统的残差，根据残差进行故障诊断步骤还包括：执行器残差的计算和故障征兆评估， 以及传感器残差的计算和故障征兆评估。

本发明的基于模糊奇偶方程及AR模型的非线性系统故障预测方法，其中所述采用AR模 型对所述执行器、传感器产生的偏差序列进行建模的步骤中，采用滚动数据窗方法给残差建 模，并采用FPE准则进行模型定阶。

本发明的基于模糊奇偶方程及AR模型的非线性系统故障预测方法，其中所述采用AR模 型对所述执行器、传感器产生的偏差序列进行建模的步骤中还包括对模型进行平稳性检验， 对模型残差进行白噪声检验的步骤。

本发明的基于模糊奇偶方程及AR模型的非线性系统故障预测方法，其中所述置信因子用 于反映由于预测步长增加等因素而导致的预测准确度的降低程度。

本发明的基于模糊奇偶方程及AR模型的非线性系统故障预测方法，其中所述故障预测包 括预测正确率和故障正确预测率两个主要评价参数。

本发明的基于模糊奇偶方程及AR模型的非线性系统故障预测方法，其中所述预测置信因 子用c_k表示，且其中ξ_e(t+k)＝3σ_et(1)，σ_et(k)为k步的预测误差。

本发明的基于模糊奇偶方程及AR模型的非线性系统故障预测方法，其中所述ξ_e(t+k)设 为ξ_e(t+k)＝|x(t+k)-T_D|，其中x(t+k)为t+k时刻残差值，T_D为阈值。