航天特种车是航天领域中不可或缺的装备之一,对任务完成有着关键性的作用。随着各项技术的改进,车辆性能发展迅速,系统也趋于复杂化,使得研制周期与费用大大提高,且对日常维护与维修工作带来了极大的挑战。目前,仅依靠传统经验分析方法进行故障检测会增加大量的人力成本,这已经难以满足任务需求。因此,为了实现航天特种车故障预测以及降低维护维修成本的目标,本文以某型号航天特种车为研究对象,在神经网络预测方法、故障树分析法(FTA)以及支持向量机(svm)分类算法的基础上,提出一种新的故障预测方法和健康管理算法,同时设计并建立了一个集成化、智能化的综合健康管理系统,能够预测设备的未知故障,评估当前的健康状态。本文首先结合特种车辆故障预测与健康状态管理的需求,分析了国内外研究现状以及PHM技术在航空航天及特种车领域的发展状况;其次,结合相关技术资料,设计了航天特种车PHM系统框架和功能模块;然后根据自组织映射(SOM)神经网络理论,结合车辆运行数据完成故障预测分析,通过对参数的优化及方法的改进提高了预测的准确性,再利用FTA与svm算法完成了航天特种车的健康状态评估;最后,根据MATLAB与MFC混合编程方法实现了预测算法与健康评估算法的应用,并基于MFC框架与Microsoft Visual Studio 2015集成开发环境,编写软件代码完成了各模块功能。本文的创新之处包括以下两个方面:(1)本文采用基于SOM神经网络的故障预测算法,对航天特种车辆的未知故障给出详细的预测结果,通过混合编程的方法重新编译模型文件,使得预测模型可用于多型号设备,实现了模型的通用性;(2)本文采用FTA与svm算法结合的方式完成健康状态评估。通过可视化图形及列表的方式详细直观的展示系统的健康状态评估结果,便于维护人员对软件的操作和对系统的了解。通过对该航天特种车PHM系统软件的功能模块进行实际测试,验证了软件的功能。其满足实际需求,并具备实用性及通用性,有助于航天特种车的监测与维护工作。
暂无评论