考慮傳感器故障檢測能力的 PHM 係統傳感器優化配置方法(fǎ)
2015-2-24 來源:空軍工程大學 陝西飛機工業集團 等 作者:朱喜華 李(lǐ)穎暉 侯世芳 晏海波
摘要: 傳感器優化配置是航空航天設備 PHM 係統功能得以有(yǒu)效(xiào)實現的(de)基礎和保證。針對目前傳(chuán)感器(qì)配置研究中未考慮傳感器實際屬性的問題(tí),建立了考慮傳感器故(gù)障檢測能力的 PHM 係統傳感器優化配置模型。首先分析了係統故障(zhàng)-傳(chuán)感器(qì)相關性矩陣的含義,將傳感器的故障檢測(cè)能力和相關性矩陣(zhèn)相(xiàng)結合,以概率形式描述(shù)了傳感器對故障的(de)檢測性能(néng)。在此基礎上根據係(xì)統(tǒng)的測試性指標要求建立傳感器優化配(pèi)置模型,並采用(yòng)混沌二進製粒(lì)子群優化算法求解。仿真(zhēn)實例結果表明,本文建立的優化模型更加(jiā)符(fú)合實際情況,配置結(jié)果更加準確和可靠。
引言
傳感器優化配置是係統測試性設計的重(chóng)要內容,也是故障預測與健康管理(Prognostics andHealth Management,PHM) 係統的基礎,對 PHM係(xì)統功能的實現具有至關重要的作用。傳感器優化配置需要解決以下兩個問題:(1) 在保證(zhèng)係統故障覆蓋和辨識的前提下,確定需要(yào)采用的傳感器的類型和數目;(2) 對選定傳感器的布局進行優化,其優化準則(zé)是在保證係統(tǒng)具有較高可靠性(xìng)的前提下具有較好的檢測性能。從理論上講,傳(chuán)感器數量越多所(suǒ)獲取的係統性能參數就(jiù)越多,對係統健康狀態的描述就(jiù)越準(zhǔn)確越全麵。然而對於航空航天設備PHM 係統這樣的大型複雜係統,其監測變量成千(qiān)上萬,由於結構特點和經濟因素等(děng)原因的限製,不(bú)可能對所(suǒ)有變量都安(ān)裝傳感器進行測量。此(cǐ)外,傳感器的安裝和布局方式可能會對設備(bèi)的工作狀(zhuàng)態產生影響。因此,在滿足 PHM 係統測試性指標要求(qiú)的條件下,研究其傳(chuán)感器優化配置的理論和方法,選擇在其最關(guān)鍵的位置配置合適數量的傳感器,具有十分重要的理(lǐ)論意義及工程(chéng)實用價值。
近年(nián)來(lái),國內外(wài)學者對傳感器優化配置問題(tí)開展了廣泛的研究。BHUSHAN 等人提出了基於符號有向圖(SDG)在可靠性準則下的傳感器分布設計問題,其設計思(sī)想是從係統可靠性(xìng)最(zuì)薄弱的環節入手,以解決係統整(zhěng)體的可靠性問題;Bagajewica提出了一個混合整數(shù)線性規劃(Mixed Integer LinearProgramming,MILP) 模型以解決傳感器的選(xuǎn)擇問題,但是沒有考(kǎo)慮傳(chuán)感器(qì)故障的影響;清華大學的楊帆研究了利用概率符號有向圖(SDG)模型(xíng)來描述大規模複(fù)雜係統故障檢測的可靠性問題,並針對係統中(zhōng)各種傳感器的不同故障概率(lǜ),分析傳感器的(de)選(xuǎn)擇(zé)和分布對故障檢測可靠性(xìng)的影響;哈爾濱工業大學的(de)徐敏強針對某衛星一次電源係統,提出了一種基(jī)於可觀測性(xìng)和可靠性的傳感器分布優(yōu)化設計方法。
以上對於傳感器優(yōu)化配置的研究都沒有考慮傳感器自身的(de)故障檢測性能,都是假設傳(chuán)感器正常工作時能以(yǐ) 100% 的概率對相應的故障進行檢測,而這種假設是不符合實際(jì)情況(kuàng)的。實(shí)際工作(zuò)過程中,傳感器也有一定的故障率,其故障檢測能力除受自身性能的影響外,還與環境因素密切相(xiàng)關(guān),是各種因素綜合作用的結果。本文在他人研究的(de)基礎上,在建立優化模(mó)型時把傳感器的故障檢(jiǎn)測(cè)性能考慮在(zài)內,以增加(jiā)傳感器優化配(pèi)置結果的準確性和可靠性,並(bìng)以阿波羅號發射前的檢測為例進行了仿真驗證。
1 、係統故障 - 傳感器相關性矩陣
PHM 係統狀態監測(cè)和故障診斷的質量很大程(chéng)度上(shàng)依賴於(yú)傳感器所采集的信息,如果傳感器配(pèi)置不當(dāng),可能導致(zhì)某些故障無法(fǎ)檢測或對其不敏感,以(yǐ)致造成嚴重後果,因此傳感器的配置方(fāng)案必須(xū)保證對(duì)設備故障狀態的全(quán)部(bù)覆蓋和有效(xiào)辨識。這就要求對設備的故障模式具有一定的先驗知識,進而基(jī)於設備的故障模式分析進行傳感器優化配置,設備的故障模式(shì)可以(yǐ)通過對其進行故障(zhàng)模式影響及危害(hài)分析(Failure Modes,Effects and Criticality Analysis,FMECA)得到。為實現對設備故障模式的檢測和辨識,首先需要建立(lì)故障模式集(jí)合與傳感器集合之間的(de)相關性矩陣。
設某係統有 m 種故障模式,可供選擇的傳感器測量信號有 n 類(lèi),則該係統的故障 - 傳感器相關性矩陣(zhèn)可記為布爾邏輯矩陣 D = [ dij] ,其(qí)中 i = 1, 2,…, m, j = 1, 2, …, n。 矩陣(zhèn)行表示故障模式,列表示傳感器類型,如(rú)表 1 所示。
表 1 故障 - 傳感器相關(guān)性矩陣
表 1 中,元素 dij= 1 表示故障 fi能被傳感器 sj檢(jiǎn)測到,元素 dij= 0 表(biǎo)示(shì)故(gù)障 fi不能被傳感器 sj檢測到(dào)。 故障 - 傳感(gǎn)器相關性矩陣(zhèn)描述了係統故障與傳感器的二元(yuán)相(xiàng)關性關係,是對複雜係統進行(háng)傳感器優化配(pèi)置的基礎。
2 、傳感器故障(zhàng)檢測能力分析
係統(tǒng)故(gù)障 - 傳感器相關性矩陣隻是粗略地描述了係統故障集和(hé)傳感器集之間的簡單對(duì)應關係,其元素 dij= 1 可以有兩(liǎng)種含義:(1) 傳感器 sj能檢(jiǎn)測到故障(zhàng) fi的(de)發(fā)生, 即二者有相關關係;(2) 當(dāng)故障fi發生時,傳(chuán)感器sj檢測到fi的概率為1,即隻要故障fi發生(shēng),傳感器 sj就能檢測到。同理(lǐ)可得 dij= 0 時的含義。顯(xiǎn)然,第一種含義更合理(lǐ),第二種含(hán)義則不符(fú)合(hé)實際情況。在實際係統中,由於傳感器自身的可靠性問題及(jí)環境因素的影響,即使(shǐ) dij= 1,傳(chuán)感器 sj也(yě)不一定能檢測到故障(zhàng) fi的發生。
傳感器對故障的檢測能力取決於多種因素,如(rú)傳感器的可靠性(故障率)、信(xìn)噪比、靈敏度等。定義傳(chuán)感器 sj對故障 fi的檢測能力如下:
其中: Vij為傳感(gǎn)器 j 對故障 fi的檢測靈敏度;Nj為傳感器(qì)j的(de)信噪比;Tij為故障fi的發(fā)生時刻與傳感器 j 檢(jiǎn)測到該故障(zhàng)的時刻之間的時間間隔;Fij為故障 fi發(fā)生的(de)時刻與該故障導致(zhì)係統不能正常工作時刻之間的間隔;Yij為傳感器j能檢測到故(gù)障fi的征兆的持續時間;b、c、g、h、α和 β為(wéi)常數。由式(1) 可知,傳感器的故障檢測能力為(0,1) 之間的實數,可以理解(jiě)為檢測的(de)概(gài)率值。
根據經驗,典型的傳感器故障檢測能力可描述為(wéi)如下形式:
由於實際的傳感器具有一定的(de)故障率,在工程(chéng)實際中,對於一些重要變量的監測需要設置傳感器(qì)冗餘,即對於同一監測變量用多個傳感器測量,以提高故障檢(jiǎn)測的(de)可靠(kào)性,在本文(wén)的研究(jiū)中不考慮冗餘,即隻考慮傳感器是否(fǒu)安裝。假設各類傳感器(qì)的安裝數(shù)量為 Q = {q1,q2, …,qn}, qj∈ {0,1};各傳感器的故(gù)障率為λ = {λ1,λ2,…,λn}。綜合係(xì)統故障 -傳(chuán)感器相關性矩陣和傳感(gǎn)器故障檢(jiǎn)測能(néng)力,在傳(chuán)感器不發生故障(zhàng)的條件下,當故障 fi發(fā)生時(shí),傳感器 sj對其進行有效檢測的能力為:
3 、傳感器配置優化模型的建立及(jí)求解
3. 1 優化模型的建立
傳感(gǎn)器優化配置就是在滿足係統各種測試性指標要求的前(qián)提下,選擇盡可能(néng)少的傳感器,使成本最小,同時滿足(zú)係統的故障檢測可靠性要求。假設係統各故障模式的(de)先驗概率集為 P = {p0,p1, …,pm},且有∑mi =0pi= 1,其中 p0為正常狀(zhuàng)態的概率值。PHM 係統要求傳感器配置方案(àn)對係統所(suǒ)有故障模式的覆蓋,即對於每一種故障(zhàng) fi,都要有至(zhì)少一個傳感器對其進行檢測,數(shù)學描述為:
此外,PHM 係統對故障檢測率、故障隔離率和虛警率都有一定(dìng)的要求,分別如式(5)、(6)和(7)所示:
一個(gè)最優的傳感器配置(zhì)不僅要求能夠檢(jiǎn)測到被監控係(xì)統所有的故障,還要盡可能提高故障檢測的可(kě)靠性。故障檢測可靠性可以描述為:當係統發生某種故障時,其相關傳感器至少有一個(gè)正常工(gōng)作,保證能檢(jiǎn)測到該故障的發生;如果該(gāi)故(gù)障的所有相關傳感(gǎn)器都同時發生了(le)故障,則該故障不能被有效(xiào)檢測,即發生漏檢,從而導(dǎo)致故障檢測的可靠性降低。對於故障 fi,構造其故障檢測可靠性函數如下:
類似故障(zhàng)檢測率,用平均值來描述係統的故障檢測可(kě)靠性,該值(zhí)越小,故障檢測可靠性越高,如式(9)所示:
對於大型複雜係統,需(xū)要安裝的傳感器數量(liàng)極其龐大,成本是一個必須考慮(lǜ)的因素,主(zhǔ)要包括傳感器的購買、安裝(zhuāng)、維護,以及相應的數據采集(jí)和處理(lǐ)費用等(děng)。假設(shè)折算到每一個傳感器的成本為 cj,則總的成本為:
PHM係統(tǒng)傳感器優化配置的目的是在滿足係統測試性指標(biāo)(故障檢測率、故障隔離(lí)率等)的前提下,配置盡(jìn)可(kě)能(néng)少的傳感(gǎn)器(qì),使係統的總(zǒng)成本最低,同時滿足係統的可靠性要求,則優化模型為在滿足(zú)約束條件(4) ~ (7)條件下,使目標函數(9)和(10)取最小值。
3. 2 二進製粒子群算法的(de)混沌改(gǎi)進
傳(chuán)感器優化配置是(shì)一個集合覆蓋和多目標組合優化問題,屬於(yú)典型的 N- P 難題,許多文獻都(dōu)提出了相應(yīng)的求解方(fāng)法(fǎ),如基(jī)於邏(luó)輯運算的方法、基(jī)於貪婪策略的方法、基於遺傳算法(fǎ)的方(fāng)法和基於粒子群算法等,並在工程中得(dé)到了廣泛的應用(yòng)。粒子群算法(PSO)由於具有參數少、收斂速度快等優點,本文利用其改進離散形式(shì)— — —混沌二進製粒子群算法對傳感器優化模型進行求解。
基本(běn)粒子群(qún)優化算法中各粒(lì)子按式(shì)(11)更新(xīn)其速度和位置信息:
二進製粒子(zǐ)群算法中的速度向量不再是位置變化,而是(shì)作為粒子位置取 1 或 0 的概率。根據速度的大小來選擇粒子在對應位置上為 1 或 0,表(biǎo)示該位置上是否安裝傳感(gǎn)器(qì),其概率值(zhí)可以用 sigmoid 函數來描述:
為了防止 sigmoid 函數出現飽和(hé),將粒子的速度設(shè)定在一定範圍之內,其修改形式如下所示:
二(èr)進製粒子群算法粒子的(de)位置更新規律為:
式(14)中, δk+1id 為(0,1) 之間(jiān)的(de)隨機數。混沌優化方法(fǎ)是一種新穎的優化方法,它利用混沌係統特有的遍曆性特點來進行優化搜索,而且不要(yào)求目標函數具有連續和可微(wēi)的性質,其基本思想是首先產生一(yī)組(zǔ)與優化變量相同數(shù)目(mù)的混沌變量,用類似載波的方式(shì)將混沌(dùn)引入優化變量使其呈現混沌(dùn)狀(zhuàng)態,同時(shí)把混沌運動的遍曆範圍放大到優化變量的取值範圍 然(rán)後直接利(lì)用混沌變量(liàng)進行搜索。一般應用 Logistic 映射(邏輯(jí)映射)來產生混沌變量(liàng),其映射形式如下:
其中μ ∈[ 0,4]為控製變量,zk∈[ 0,1],k =0,1, 2,…。 當 μ = 4 時,係統完(wán)全處於混沌狀(zhuàng)態,此(cǐ)時,軌道布滿區間[ 0,1],即混沌軌道在區間[ 0,1]內遍曆。由任意初值(zhí) z0∈[ 0,1]可迭代出一個確定的混沌時間序列 z1,z2,z3, …。
4 、仿真實例(lì)分析
以中(zhōng)阿波羅號發射前(qián)的檢測為例,根據上述方法進行仿真分析。該係統有(yǒu) 10 種故障模式,可提供 15 個傳感器(qì)測量點。假設係統的故障檢測率、故障隔離率要(yào)求(qiú)分(fèn)別為不低於 90% 和 85%,虛警率要求不高於 5%。該係統的部分故障 - 傳感器相關性矩陣 (S1- S10) 如表 2 所示(shì),故障(zhàng)先驗概率和各傳感器成本分(fèn)別見表 3 和表 4。
根據(jù)本文的(de)混沌二進製粒子群(qún)算法對建立的傳感(gǎn)器優化配置模型進行求解, 結果為:各傳感器配置數(shù)量為[ 1,0,0,0,0,0,0,0,1,0,1,0,0,1,0],故障檢測率為 95.2%,故障隔離(lí)率為 91.5%,虛警率為 3.7%,故障檢測可靠性指標為 0.0368,總成本(běn)為 1.1。文獻13]的配置(zhì)結果為:各傳感器配置數量為[ 0,0,0,0,0,0,0,0,0,0,1,0,0,1,0],係統故障檢測率 100%,故障隔(gé)離(lí)率為 100%,總成本為 0.7。
由仿真計算(suàn)結果可知,各項性能(néng)指標都能滿足係統的要求。跟的結果對比分析得: 本文方(fāng)法要(yào)比多安裝傳感器 S1和 S9; 故障檢測(cè)率(lǜ)、故障隔離率結果都較有所降(jiàng)低,但都能滿足係統的故障診斷要求(qiú)。導致這一結(jié)果的原因有:(1) 本文建模時將故障檢測可靠(kào)性作為一個優化的性能指標;(2) 本文模型考慮了傳感(gǎn)器對故障的檢測性能,即傳感器對故障的檢測能力不是簡單的0 或者1,而(ér)是介於 0 和 1 之間的實數(shù)。由(yóu)於考慮了傳(chuán)感器檢測故障能力的實際(jì)屬性, 本(běn)文建立的模型更加符合實(shí)際情況(kuàng), 優化結果也(yě)更加準確和可靠(kào)。
5 結論
信息獲取(qǔ)的完備性和準確性是 PHM 係統功能有效實現(xiàn)的基礎。隨著航空航天技術的飛(fēi)速發展,航空航天設備的功能日益強大,複(fù)雜性也越來越高,為了對其工作狀況和健康狀態(tài)進行實時監測,需要安裝大量的傳感器以采集其各(gè)種信息。大型(xíng)複雜設備具有數(shù)量龐大的監測變量,對(duì)其進行有效(xiào)的選擇性測量顯得尤為重要,這就需要在係統設計(jì)之初就對傳感器的選(xuǎn)擇和配置進行全局優化,安裝盡可能少的傳感器對其關鍵變量進行監測,以滿足係統的(de)PHM 要求。本文在參考他人研究的基礎上,將傳感器的故障檢測能力加入優(yōu)化配置模型之中,用概率的形式對傳感器(qì)的(de)故障(zhàng)檢測性能進行描述:傳感器的故(gù)障(zhàng)檢(jiǎn)測(cè)能力不是係統故障 - 傳感(gǎn)器相關性矩陣中簡單的 0 或者(zhě) 1,而是介於 0 和 1 之間的實數,具體取決於傳感器的可靠性(故障率)、信噪比、靈敏度等和(hé)環境因素等多種因素(sù)。仿真實例(lì)結果說明了本文方法的可行性(xìng)和(hé)準確性,對航(háng)空航天設備 PHM係統的傳感(gǎn)器優化(huà)配置具有(yǒu)參(cān)考價值。
投稿箱:
如果您有機床(chuáng)行業、企業相(xiàng)關新聞稿件發表,或進行資訊合(hé)作,歡迎聯係本網編輯部, 郵箱:skjcsc@vip.sina.com
如果您有機床(chuáng)行業、企業相(xiàng)關新聞稿件發表,或進行資訊合(hé)作,歡迎聯係本網編輯部, 郵箱:skjcsc@vip.sina.com
更多相關信息
業界視點
| 更多
行(háng)業數(shù)據
| 更(gèng)多
- 2024年11月 金屬切削(xuē)機床產量數據
- 2024年11月 分地區金屬切削機床產量數據
- 2024年11月 軸承出口情況
- 2024年11月 基本型乘用車(chē)(轎車)產量數據
- 2024年11月 新能(néng)源汽車產量(liàng)數據
- 2024年(nián)11月 新能源汽車銷量情況
- 2024年10月 新能源汽車產量(liàng)數據
- 2024年10月 軸承出口情況
- 2024年10月 分地區金屬切削機(jī)床產量數據
- 2024年10月 金屬切削機床產量數據
- 2024年9月 新能源汽(qì)車銷量情況
- 2024年(nián)8月 新能(néng)源(yuán)汽車產量數據
- 2028年8月 基本型乘(chéng)用車(轎車)產量數據
博文選萃
| 更多