專利名稱：雷達(dá)發(fā)射機(jī)高壓電源多參數(shù)融合實(shí)時(shí)健康預(yù)報(bào)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及大功率開關(guān)電源故障預(yù)測(cè)與健康管理技術(shù)領(lǐng)域，尤其涉及一種應(yīng)用于雷達(dá)發(fā)射機(jī)高壓電源的健康預(yù)報(bào)方法。
背景技術(shù)：
雷達(dá)是利用電磁波探測(cè)目標(biāo)的電子裝備。雷達(dá)發(fā)射機(jī)中的高壓電源不僅供給行波管大功率的能量，且對(duì)發(fā)射機(jī)輸出射頻信號(hào)的性能指標(biāo)、發(fā)射機(jī)的體積和重量都起著至關(guān)重要的影響，是雷達(dá)系統(tǒng)中的關(guān)鍵部件。然而，雷達(dá)發(fā)射機(jī)中的高壓電源長(zhǎng)期工作在高電壓 大電流狀態(tài)下，且工作空間環(huán)境復(fù)雜，難免會(huì)導(dǎo)致雷達(dá)電源系統(tǒng)運(yùn)行異常，故障率一直居高不下。因此，迫切需要對(duì)雷達(dá)電源進(jìn)行實(shí)時(shí)狀態(tài)監(jiān)測(cè)與健康預(yù)報(bào)，以便對(duì)其進(jìn)行預(yù)防性維修，降低故障風(fēng)險(xiǎn)，為雷達(dá)發(fā)射機(jī)可靠工作提供保障。雷達(dá)發(fā)射機(jī)電源為高壓直流開關(guān)電源，輸出高壓或大電流的直流電，功率可達(dá)幾十千瓦，對(duì)功率、紋波、穩(wěn)定性等指標(biāo)要求極高。開關(guān)電源電路中含有功率開關(guān)器件，具有強(qiáng)非線性、高頻高噪聲等特點(diǎn)，數(shù)學(xué)模型難以建立。此外，由于不同元器件的壽命與可靠性不同，電路中各元器件性能退化及交互耦合作用，很難對(duì)由它們組成的電路或設(shè)備做準(zhǔn)確預(yù)測(cè)。現(xiàn)階段，開關(guān)電源的故障預(yù)測(cè)多為電路中關(guān)鍵元器件的預(yù)測(cè)，而電路級(jí)的故障預(yù)測(cè)研究很少，且僅以電路輸出電壓值等單一參數(shù)評(píng)估電路狀況，不能真實(shí)反映電路故障特征，無法準(zhǔn)確預(yù)測(cè)電路健康狀況。本發(fā)明結(jié)合雷達(dá)發(fā)射機(jī)高壓電源性能指標(biāo)要求，采用基于多參數(shù)融合的故障預(yù)測(cè)方法實(shí)現(xiàn)雷達(dá)發(fā)射機(jī)高壓電源的電路級(jí)預(yù)測(cè)，無需建立高壓電源等效失效數(shù)學(xué)模型。本發(fā)明的預(yù)測(cè)方法中基于遺傳算法與最小二乘支持向量機(jī)算法對(duì)監(jiān)測(cè)到的多參數(shù)時(shí)間序列進(jìn)行相空間重構(gòu)，解決了依靠單參數(shù)時(shí)間序列重構(gòu)進(jìn)行預(yù)測(cè)不準(zhǔn)確問題，能夠?qū)崿F(xiàn)雷達(dá)發(fā)射機(jī)高壓電源的準(zhǔn)確故障預(yù)測(cè)。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種雷達(dá)發(fā)射機(jī)高壓電源多參數(shù)融合實(shí)時(shí)健康預(yù)報(bào)方法，用于實(shí)時(shí)進(jìn)行高壓電源的狀態(tài)監(jiān)測(cè)與故障預(yù)測(cè)，以提前預(yù)知故障發(fā)生時(shí)間，準(zhǔn)確評(píng)估高壓電源健康狀況。為了達(dá)成上述目的，本發(fā)明的解決方案是—種雷達(dá)發(fā)射機(jī)高壓電源多參數(shù)融合實(shí)時(shí)健康預(yù)報(bào)方法，包括以下步驟(I)
(5)(I)實(shí)時(shí)采集高壓電源輸入電壓、電流和輸出電壓、電流信號(hào)，實(shí)時(shí)計(jì)算并獲取輸出電壓、輸出電阻、輸出紋波、電源效率四參數(shù)值，并構(gòu)成四維向量作為高壓電源故障特征
向量;(2)對(duì)步驟(I)中獲取的輸出電壓、輸出電阻、輸出紋波、電源效率四個(gè)參數(shù)歷史及當(dāng)前時(shí)刻的時(shí)間序列數(shù)據(jù)，結(jié)合遺傳算法與最小二乘支持向量機(jī)(Least squaressupport vectormachine, LSSVM)進(jìn)行四參數(shù)相空間重構(gòu)；(3)依據(jù)步驟(2)中建立的相空間重構(gòu)模型，采用多元時(shí)間序列局部預(yù)測(cè)融合法獲取未來某時(shí)刻輸出電壓、輸出電阻、輸出紋波、電源效率參數(shù)值； (4)對(duì)高壓電源的額定輸出電壓C/:、規(guī)定最大輸出電阻圮、規(guī)定最大輸出紋波規(guī)定電源效率 <四參數(shù)值對(duì)應(yīng)故障特征向量歸一化，得到向量Vtl，將其作為標(biāo)準(zhǔn)故障特征向量，對(duì)未來某時(shí)刻高壓電源的故障特征向量歸一化后得到向量V，計(jì)算V與Vtl的歐氏距離d ；(5)將步驟(4)中獲取的未來某時(shí)刻歐氏距離d與設(shè)定故障閾值七比較，若d ^ df，則判定高壓電源故障，若d < df，則判定高壓電源尚未發(fā)生故障。本發(fā)明的雷達(dá)發(fā)射機(jī)高壓電源多參數(shù)融合實(shí)時(shí)健康預(yù)報(bào)方法，利用輸出電壓、輸出電阻、輸出紋波、電源效率四個(gè)參數(shù)融合對(duì)高壓電源健康狀況進(jìn)行評(píng)估；所述故障預(yù)測(cè)方法步驟(2)中，結(jié)合遺傳算法與最小二乘支持向量機(jī)算法，對(duì)輸出電壓、輸出電阻、輸出紋波、電源效率四個(gè)參數(shù)時(shí)間序列數(shù)據(jù)的四元相空間重構(gòu)，具體步驟為(al) (a4)設(shè)輸出電壓、輸出電阻、輸出紋波、電源效率四個(gè)參數(shù)I k時(shí)刻的時(shí)間序列數(shù)據(jù)
分別為、 k.t 、 k,t 、 WL ，相空間重構(gòu)的狀態(tài)向量為
χη - (xI,"，丨I.,I-r丨，…，-1)γ,，χ2,η，χ2.π-τ2，.' .，工2,"-(》i2-l)r, ' Α3,/ι >r,，.. ■，義3."-(,"—, -IK3，工4.ιι，x4,n-ii，...,工4,"-(; 4 -l)r4，)
，n = k0, k0+l, · · ·，k, k0 = maxKm1-I) τ χ+1}，τ ^m1分別為延遲時(shí)間間隔和嵌入維數(shù),其中I = I, 2, 3,4。(al)確定τ ^m1的取值范圍分別為Kt1S 100,1彡Hi1彡100，且均為正整數(shù)，并給定初始值τ lj0 = Umlj0 = I,其中I = 1，2，3，4 ;(a2)采用最小二乘支持向量算法，利用輸出電壓、輸出電阻、輸出紋波、電源效率四個(gè)參數(shù)時(shí)間序列數(shù)據(jù)進(jìn)行相空間重構(gòu)，獲取狀態(tài)空間演化方程Xn+1 = G(Xn)，其中xn+1為n+11時(shí)刻相空間重構(gòu)的狀態(tài)向量，具體步驟為(bl) (b2)(bl)設(shè)置最小二乘支持向量機(jī)的核函數(shù)為徑向基核函數(shù)，核函數(shù)參數(shù)gam =1000，sig2 = O. I ；(b2)以相空間重構(gòu)的狀態(tài)向量XnS輸入，xn+1為輸出，此處n = 1 , VI，..，k-1，訓(xùn)練LSSVM，即確定狀態(tài)空間演化方程xn+1 = G(Xn)。(a3)對(duì)步驟(a2)中由訓(xùn)練好的LSSVM所建立的狀態(tài)空間演化方程xn+1 = G(Xn)，以Xlri為輸入，可獲取LSSVM輸出值夂，以之與Xk的誤差ε = 々I作為適應(yīng)度函數(shù)，采用遺傳算法尋優(yōu)，獲取最小誤差下的^、!^值，記為τ ，本步驟中的遺傳算法為現(xiàn)有成熟方法，具體不再贅述；(a4)取τ i = τ = H^p,采用最小二乘支持向量回歸擬合得到最優(yōu)相空間重構(gòu)下的狀態(tài)空間演化方程xn+1 = Gp(Xn)。本發(fā)明的雷達(dá)發(fā)射機(jī)高壓電源多參數(shù)融合實(shí)時(shí)健康預(yù)報(bào)方法，步驟(3)中采用的多元時(shí)間序列局部預(yù)測(cè)融合方法，具體步驟為(Cl) (c3)設(shè)T時(shí)刻的最優(yōu)相空間重構(gòu)狀態(tài)向量為xT = (χι, -^ι,Γ-r, jfIT-I ,,,,-Or,,, ；χ2,Γ^γ2,Γ-Γ2, -I)!·, ;xXT，XXT-rx ’’ xi,T-(m^p-\)TXp ；Χ4,Γ> X4,T-Up ’.. ^Χ4,Τ-^ρ-1)τ^ρ ;)(Cl)采用多元局部平均預(yù)測(cè)法得T+q時(shí)刻的預(yù)測(cè)值xa,T+(1，其權(quán)重為Wa = O. 4 ;
(c2)采用步驟(a4)所建的狀態(tài)演化方程xn+1 = Gp (xn)，由設(shè)T時(shí)刻的最優(yōu)相空間重構(gòu)狀態(tài)向量逐步迭代計(jì)算，得到T+q時(shí)刻的預(yù)測(cè)值xb,T+(1，其權(quán)重為Wb = O. 6 ;(c3)根據(jù)步驟(Cl) (c2)中的各預(yù)測(cè)值及相應(yīng)權(quán)重，得到最終高壓電源在T+q時(shí)刻的預(yù)測(cè)值XT+(J = Wa · xa,T+q+wb · XbjT+q,即可得到T+q時(shí)刻的輸出電壓、輸出電阻、輸出紋波、電源效率四參數(shù)值及對(duì)應(yīng)故障特征向量，步驟(Cl)中的局部平均預(yù)測(cè)法為現(xiàn)有成熟方法，此處具體不再贅述。本發(fā)明中，高壓電源故障的判定依據(jù)是高壓電源故障特征向量與標(biāo)準(zhǔn)故障特征向量的歐氏距離d超過故障閾值df。高壓電源故障閾值df的設(shè)定方法為對(duì)輸出電壓為(I 土20%)Κ、輸出電阻為(I ±20%) <、輸出紋波為120%^/；^、電源效率為80% η*時(shí)相應(yīng)的故障特征向量進(jìn)行歸一化，得到向量Vf，計(jì)算Vf與Vtl的歐氏距離，即為df。


圖I是典型雷達(dá)發(fā)射機(jī)高壓電源結(jié)構(gòu)框圖；圖2是雷達(dá)發(fā)射機(jī)高壓電源多參數(shù)融合實(shí)時(shí)健康預(yù)報(bào)方法流程圖。
具體實(shí)施例方式下面結(jié)合附圖對(duì)本發(fā)明的技術(shù)方案進(jìn)行詳細(xì)說明。如圖I所示，雷達(dá)發(fā)射機(jī)高壓電源工作原理為單相或三相交流電路濾波后經(jīng)全橋整流變成直流電，再經(jīng)DC/AC逆變得到高頻交流電，最后經(jīng)高頻整流并濾波后得到所需高壓直流電。如圖2所示，本發(fā)明的雷達(dá)發(fā)射機(jī)高壓電源多參數(shù)融合實(shí)時(shí)健康預(yù)報(bào)方法，具體實(shí)施包括如下步驟(I)實(shí)時(shí)采集高壓電源輸入電壓、電流和輸出電壓、電流信號(hào)，實(shí)時(shí)獲取并計(jì)算輸入電壓、輸入電流、輸出電壓、輸出電流、輸出電阻、輸出紋波、電源效率各參數(shù)，并以輸出電壓、輸出電阻、輸出紋波、電源效率四參數(shù)值構(gòu)成四維向量，作為高壓電源故障特征向量。輸出電阻為輸出電壓的變化量AU。與負(fù)載電流的變化量△込的比值(取絕對(duì)值)，記為R。，計(jì)算公式為式⑴。R0 = I Δ U0/ Δ Il式(I)輸出紋波為輸出電壓信號(hào)中的峰峰值，記為Upp。電源效率指輸出有功功率與輸入有功功率之比，記為η，計(jì)算公式為式(2)。7 = ^x 100%式⑵
tjIjI式⑵中Up Ip U。、I。分別為輸入電壓、輸入電流、輸出電壓、輸出電流的平均值。(2)對(duì)步驟(I)中獲取的輸出電阻、輸出電壓、輸出紋波、電源效率四個(gè)參數(shù)歷史及當(dāng)前時(shí)刻的時(shí)間序列數(shù)據(jù)，結(jié)合遺傳算法與最小二乘支持向量機(jī)(Least squaressupport vector machine, LSSVM)進(jìn)行四參數(shù)相空間重構(gòu)。使用遺傳算法與最小二乘支持向量機(jī)算法，對(duì)輸出電壓、輸出電阻、輸出紋波、電源效率四個(gè)參數(shù)時(shí)間序列數(shù)據(jù)的四元相空間重構(gòu)，具體步驟為(al) (a4)設(shè)輸出電壓、輸出電阻、輸出紋波、電源效率四個(gè)參數(shù)I k時(shí)刻的時(shí)間序列數(shù)據(jù)分別為kt 、 k/t 、 k+L 、 h,t ，相空間重構(gòu)的狀態(tài)向量為
χα ~ (^Ι,/ι^Ι,η-Γ,，·..，·*1.η-(/Π| -l)r,，χ2,η，工2,n-r2，…，xIm-(Iii1-X)I1 ^ x3,n ' Xi,n-Tj，'".，>x4,n^4,n-r4，— .' >x4,n-(mt -l)r4，)
,n = k0, k0+l, · ·，k, k0 = max Km1-I) τ χ+1}，τ ^m1分別為延遲時(shí)間間隔和嵌入維數(shù),其中I = 1,2,3,40(al)確定τ ^m1的取值范圍分別為Kt1S 100, I彡Hi1彡100，且均為正整數(shù)，并給定初始值Tuq= Umlj0 = I,其中I = 1,2,3,4 ；(a2)采用最小二乘支持向量算法利用輸出電壓、輸出電阻、輸出紋波、電源效率四個(gè)參數(shù)時(shí)間序列數(shù)據(jù)進(jìn)行相空間重構(gòu)，獲取狀態(tài)空間演化方程Xn+1 = G(Xn)，其中xn+1為 n+11時(shí)刻相空間重構(gòu)的狀態(tài)向量，具體步驟為(bl) (b2)(bl)設(shè)置最小二乘支持向量機(jī)的核函數(shù)為徑向基核函數(shù)，核函數(shù)參數(shù)gam =1000，sig2 = O. I (b2)以相空間重構(gòu)的狀態(tài)向量XnS輸入，xn+1為輸出，此處n = 1 , kjl，..，k-1，訓(xùn)練LSSVM，即確定狀態(tài)空間演化方程xn+1 = G(Xn)。(a3)對(duì)步驟(a2)中由訓(xùn)練好的LSSVM所建立的狀態(tài)空間演化方程xn+1 = G (xn)，以Xh為輸入，可獲取LSSVM輸出值毛4與xk的誤差C = IIA -力Il作為適應(yīng)度函數(shù)，采用遺傳算法尋優(yōu)，獲取最小誤差下的τ PIH1值,記為ρ。本步驟(a3)中采取的遺傳算法，根據(jù)τ ^m1的取值范圍采用二進(jìn)制編碼及解碼方案；初始種群隨機(jī)生成，采用“輪盤賭”選擇方法，每個(gè)個(gè)體進(jìn)入下一代的概率為其適應(yīng)度值與整個(gè)種群中個(gè)體適應(yīng)度之和的比值；以夂與氣的誤差C = IIh-A.il作為適應(yīng)度函數(shù)；對(duì)兩個(gè)隨機(jī)選擇配對(duì)的染色體個(gè)體按單點(diǎn)交叉方式相互交換其部分基因(交叉點(diǎn)按照概率選擇，交叉概率Pc = 0.6)，在每一代個(gè)體中，若產(chǎn)生的隨機(jī)數(shù)小于設(shè)定的交叉概率，則隨機(jī)選擇兩個(gè)染色體，且隨機(jī)選擇交叉點(diǎn)位置，在交叉點(diǎn)處交換基因?qū)崿F(xiàn)父代的交叉；變異過程是對(duì)染色體基因位進(jìn)行概率變異，設(shè)置初始變異概率Pm = 0.1，并隨著進(jìn)化代數(shù)的增加逐漸減小變異概率；當(dāng)達(dá)到預(yù)定的進(jìn)化代數(shù)，或者最優(yōu)個(gè)體的誤差為某一閾值時(shí)，則進(jìn)化過程終止，設(shè)定終止代數(shù)為4000代，誤差為O. I。利用遺傳算法進(jìn)化搜索得到最小誤差時(shí)的個(gè)體，最優(yōu)個(gè)體解碼就對(duì)應(yīng)最優(yōu)的卩Tl p、mi p;(a4)取τ i = τ = H^p,采用最小二乘支持向量回歸擬合得到最優(yōu)相空間重構(gòu)下的狀態(tài)空間演化方程xn+1 = Gp(Xn)。(3)依據(jù)步驟(2)中建立的相空間重構(gòu)模型，采用多元時(shí)間序列局部預(yù)測(cè)融合法獲取未來某時(shí)刻輸出電壓、輸出電阻、輸出紋波、電源效率參數(shù)值。本步驟中采用的多元時(shí)間序列局部預(yù)測(cè)融合方法，具體步驟為(Cl) (c4)設(shè)T時(shí)刻的最優(yōu)相空間重構(gòu)狀態(tài)向量為xT = (xhn > xIT-Tl p > · ·'. xl,r-(ml p-i)rI p ； Χ2,Τ >χ2,Γ-τ2,ρ >" ' > x2,r-(m2 -l)Tl p ；xXT，X3,T-Typ ’ · · ^x3,T-(mXp-i)rXp ； X4,T ’ X4,T-T4^p ’ · · ·，Χ4’Γ-( -l)r4.p ；)(Cl)采用多元局部平均預(yù)測(cè)法得T+q時(shí)刻的預(yù)測(cè)值xa,T+(1，其權(quán)重為Wa = O. 4 ;(c2)采用步驟(a4)所建的狀態(tài)演化方程xn+1 = Gp (xn)，由T時(shí)刻的最優(yōu)相空間重構(gòu)狀態(tài)向量逐步迭代計(jì)算，得到T+q時(shí)刻的預(yù)測(cè)值Xb，T+q，其權(quán)重為Wb = O. 6 ;(c3)根據(jù)步驟(Cl) (c2)中的各預(yù)測(cè)值及相應(yīng)權(quán)重，得到最終開關(guān)電源在T+q時(shí)刻的預(yù)測(cè)值XT+(1 = Wa · XajT+q+wb · XbjT+q,即可得到T+q時(shí)刻的輸出電壓、輸出電阻、輸出紋波、電源效率四參數(shù)值及對(duì)應(yīng)故障特征向量，步驟(Cl)中的局部平均預(yù)測(cè)法為現(xiàn)有成熟方法，此處具體不再贅述。(4)對(duì)高壓電源的額定輸出電壓t/:、規(guī)定最大輸出電阻^、規(guī)定最大輸出紋波、規(guī)定電源效率 < 四參數(shù)值對(duì)應(yīng)故障特征向量歸一化，得到向量Vtl，將其作為標(biāo)準(zhǔn)故障特征向量，對(duì)未來某時(shí)刻高壓電源的故障特征向量歸一化后得到向量V，計(jì)算V與Vtl的歐氏距離CL設(shè)高壓電源的故障特征向量S = [S1 S2 S3 S4],其中SpSySyS4分別為高壓電源的輸出電壓值、輸出電阻值、輸出紋波值、電源效率值。對(duì)S進(jìn)行歸一化后得到向量V，具體方法為
權(quán)利要求
1.一種雷達(dá)發(fā)射機(jī)高壓電源多參數(shù)融合實(shí)時(shí)健康預(yù)報(bào)方法，其特征在于，包括以下步驟 (1)實(shí)時(shí)采集高壓電源輸入電壓、電流和輸出電壓、電流信號(hào)，實(shí)時(shí)計(jì)算并獲取輸出電壓、輸出電阻、輸出紋波、電源效率四參數(shù)值，并構(gòu)成四維向量作為高壓電源故障特征向量; (2)對(duì)步驟(I)中獲取的輸出電壓、輸出電阻、輸出紋波、電源效率四個(gè)參數(shù)歷史及當(dāng)前時(shí)刻的時(shí)間序列數(shù)據(jù)，使用遺傳算法與最小二乘支持向量機(jī)(Least squares supportvector machine, LSSVM)進(jìn)行四參數(shù)相空間重構(gòu)； (3)依據(jù)步驟(2)中建立的相空間重構(gòu)模型，采用多元時(shí)間序列局部預(yù)測(cè)融合法獲取未來某時(shí)刻輸出電壓、輸出電阻、輸出紋波、電源效率四參數(shù)值及對(duì)應(yīng)故障特征向量； (4)對(duì)高壓電源的額定輸出電壓％、規(guī)定最大輸出電阻<、規(guī)定最大輸出紋波、規(guī)定電源效率 < 四參數(shù)值對(duì)應(yīng)故障特征向量歸一化，得到向量Vtl，將其作為標(biāo)準(zhǔn)故障特征向量；對(duì)未來某時(shí)刻高壓電源的故障特征向量歸一化后得到向量V，計(jì)算V與Vtl的歐氏距離d ； (5)將步驟(4)中獲取的未來某時(shí)刻歐氏距離d與設(shè)定故障閾值df比較，若d^ df，則判定高壓電源故障，若d < df，則判定高壓電源尚未發(fā)生故障。
2.如權(quán)利要求I所述雷達(dá)發(fā)射機(jī)高壓電源多參數(shù)融合實(shí)時(shí)健康預(yù)報(bào)方法，其特征在于，所述故障預(yù)測(cè)方法步驟(2)中，使用遺傳算法與最小二乘支持向量機(jī)算法，對(duì)輸出電壓、輸出電阻、輸出紋波、電源效率四個(gè)參數(shù)時(shí)間序列數(shù)據(jù)的四元相空間重構(gòu)，具體步驟為 設(shè)輸出電壓、輸出電阻、輸出紋波、電源效率四個(gè)參數(shù)I k時(shí)刻的時(shí)間序列數(shù)據(jù)分別Ski1 、、 ki, 、，相空間重構(gòu)的狀態(tài)向量為X ~ (々."，Xl./i-r,，…’Λ η-("ι· -IJrl , x2,n ’ x2',i-r2 ’ .’.， '".-. (,"2 I)r2 > x3.//' x3,/i-r,，…，χ3,;ι-(ιιι,-IJr1 ^4,)1 > x4,/i~r4 >" ', 4-|)r4 ；) ，n = k0, k0+l, · · ·，k,k0 = maxKm1-I) τ χ+1}，τ ^m1分別為延遲時(shí)間間隔和嵌入維數(shù)，其中 I = 1,2,3,40 (2. I)確定T1J1的取值范圍分別為I彡T1S 100，1彡Hi1S 100，且均為正整數(shù)，并給定初始值 τ lj0 = Umlj0 = I,其中 I = 1,2,3,4 ； (2. 2)采用最小二乘支持向量算法利用四個(gè)參數(shù)時(shí)間序列數(shù)據(jù)進(jìn)行相空間重構(gòu)，獲取狀態(tài)空間演化方程xn+1 = G(Xn)，其中xn+1為n+1時(shí)刻相空間重構(gòu)的狀態(tài)向量； (2. 3)對(duì)步驟(2. 2)中由訓(xùn)練好的LSSVM所建立的狀態(tài)空間演化方程xn+1 = G(Xn)，以Xk-!為輸入，可獲取LSSVM輸出值之，以A.與xk的誤差C = IA -々.I作為適應(yīng)度函數(shù)，采用遺傳算法尋優(yōu)，獲取最小誤差下的^、!^值，記為τ ，本步驟中的遺傳算法為現(xiàn)有成熟方法，具體不再贅述； (2. 4)取T1= τ ljp> In1 = 111“,采用最小二乘支持向量回歸擬合得到最優(yōu)相空間重構(gòu)下的狀態(tài)空間演化方程xn+1 = Gp(Xn)。
3.如權(quán)利要求2所述雷達(dá)發(fā)射機(jī)高壓電源多參數(shù)融合實(shí)時(shí)健康預(yù)報(bào)方法，其特征在于，所述故障預(yù)測(cè)方法步驟(2.2)中，采用最小二乘支持向量算法利用四個(gè)參數(shù)時(shí)間序列數(shù)據(jù)進(jìn)行相空間重構(gòu)，獲取狀態(tài)空間演化方程xn+1 = G(Xn)，具體步驟為(3. I)設(shè)置最小二乘支持向量機(jī)的核函數(shù)為徑向基核函數(shù)，核函數(shù)參數(shù)gam = 1000,sig2 = O. I ; (3. 2)以相空間重構(gòu)的狀態(tài)向量Xn為輸入，xn+1為輸出，此處n = k0, k0+l,. . .，k-1，訓(xùn)練LSSVM，即確定狀態(tài)空間演化方程xn+1 = G(Xn)。
4.如權(quán)利要求I所述雷達(dá)發(fā)射機(jī)高壓電源多參數(shù)融合實(shí)時(shí)健康預(yù)報(bào)方法，其特征在于，所述故障預(yù)測(cè)方法步驟(3)中，所述多元時(shí)間序列局部預(yù)測(cè)融合方法，具體步驟為 設(shè)T時(shí)刻的最優(yōu)相空間重構(gòu)狀態(tài)向量為xT = Ul, .xI,Γ-r, >···>Χ1,Γ-(Μ|/,-Dr, ,; ,7·.χ2,7·-!·, .··· ·*2,F-Im2il-Dr2j,; Χ3,Γ，ΧΧΤ-τ,’''p ； χ4’Τ ’ Χ4,Γ-γ4,ρ，…，x4,T-(^,p-l)U,p ;) (4. I)采用多元局部平均預(yù)測(cè)法得T+q時(shí)刻的預(yù)測(cè)值xa,T+(1，其權(quán)重為Wa = O. 4 ; (4. 2)采用步驟(2. 4)所建的狀態(tài)演化方程xn+1 = Gp(Xn)，由T時(shí)刻的最優(yōu)相空間重構(gòu)狀態(tài)向量逐步迭代計(jì)算，得到T+q時(shí)刻的預(yù)測(cè)值xb,T+(1，其權(quán)重為Wb = O. 6 ; (4.3)根據(jù)步驟(4. I) (4.2)中的各預(yù)測(cè)值及相應(yīng)權(quán)重，得到最終高壓電源在T+q時(shí)刻的預(yù)測(cè)值XT+(J = Wa · xa,T+q+wb · XbjT+q,即可得到T+q時(shí)刻的輸出電壓、輸出電阻、輸出紋波、電源效率四參數(shù)值及對(duì)應(yīng)故障特征向量，步驟(4. I)中的局部平均預(yù)測(cè)法為現(xiàn)有成熟方法，具體不再贅述。
5.如權(quán)利要求I所述雷達(dá)發(fā)射機(jī)高壓電源多參數(shù)融合實(shí)時(shí)健康預(yù)報(bào)方法，其特征在于，所述故障預(yù)測(cè)方法步驟(5)中，高壓電源故障閾值df的設(shè)定方法為對(duì)輸出電壓為(I ±20%)":、輸出電阻為(I ±20%) <、輸出紋波為120%^/^、電源效率為80% η*時(shí)相應(yīng)的故障特征向量進(jìn)行歸一化，得到向量Vf，計(jì)算Vf與Vtl的歐氏距離，即為df。
全文摘要
本發(fā)明公開了一種雷達(dá)發(fā)射機(jī)高壓電源多參數(shù)融合實(shí)時(shí)健康預(yù)報(bào)方法，首先，通過在線實(shí)時(shí)監(jiān)測(cè)高壓電源輸入電壓、電流與輸出電壓、電流信號(hào)，實(shí)時(shí)計(jì)算并獲取輸出電壓、輸出電阻、輸出紋波、電源效率四參數(shù)值，并構(gòu)成四維向量作為高壓電源故障特征向量；然后，根據(jù)輸出電壓、輸出電阻、輸出紋波、電源效率四個(gè)參數(shù)歷史時(shí)間序列數(shù)據(jù)，采用遺傳算法和最小二乘支持向量機(jī)算法實(shí)現(xiàn)四參數(shù)的相空間重構(gòu)；采用多元時(shí)間序列局部預(yù)測(cè)融合法得到未來某時(shí)刻四參數(shù)值及對(duì)應(yīng)故障特征向量；最后，對(duì)未來某時(shí)刻高壓電源故障特征向量歸一化后，計(jì)算其與標(biāo)準(zhǔn)故障特征向量的歐氏距離，用以評(píng)估高壓電源健康狀況。本發(fā)明能夠?qū)崿F(xiàn)雷達(dá)發(fā)射機(jī)高壓電源實(shí)時(shí)狀態(tài)監(jiān)測(cè)與故障預(yù)測(cè)，為雷達(dá)發(fā)射機(jī)高壓電源健康狀況評(píng)估和視情維修提供準(zhǔn)確及時(shí)的信息。
文檔編號(hào)G01R31/40GK102928791SQ201210397480
公開日2013年2月13日 申請(qǐng)日期2012年10月16日 優(yōu)先權(quán)日2012年10月16日
發(fā)明者王友仁, 姜媛媛, 吳祎, 林華, 陳東雷 申請(qǐng)人:南京航空航天大學(xué)