一种电源的健康状态预测方法

技术领域

本发明涉及雷达领域，具体涉及一种电源的健康状态预测方法。

背景技术

大功率电源作为复杂电子设备的心脏，是其正常运行的基础。在复杂电子设备执行任务期间，其电源需要持续运行，且运行中往往不允许检修或仅能进行简单维护。此外，大功率电源元器件多，故障模式和失效机理相对复杂，通常难以建立精确的失效物理模型，敏感参数较多，确定难度较大，这些给大功率电源的健康管理带来很大困难。当前复杂电子系统中往往仅能监测电源的常规参数，对于大功率电源的健康状态，需要用户根据经验进行判断，且准确性无法保证。目前尚无一套完整且通用的实现大功率电源实时、准确的健康评价技术。

发明内容

为了解决上述问题，本发明提出了一种电源的健康状态预测方法，从而帮助用户实时掌握大功率电源健康状态，为复杂电子设备的任务安排、视情维修、备件管理等提供支撑，包括如下步骤：

通过仿真和筛选，获取对电源健康状态敏感的监测参数集合；

通过衰退试验确定监测参数集合中监测参数的试验参数，采集样本数据，建立环境温度对监测参数均值的影响模型；

建立监测参数均值与电源健康综合值的关系模型；

建立电源健康状态的预测模型。

进一步地，所述通过仿真和筛选，获取对电源健康状态敏感的监测参数集合具体包括以下步骤：

根据电源的原理图、元器件BOM表和电源的故障模式集合，通过仿真软件建立仿真模型；

通过修改电路原理图、修改网络拓扑文件和修改模型定义将电源的故障模式集合中的记录逐个仿真注入，获得仿真数据集；

通过邻域粗糙集算法对监测参数种类进行筛选，获取对电源健康状态最为敏感的监测参数集合，设所述监测参数集合包括K种监测参数。

进一步地，所述邻域粗糙集算法的计算步骤如下：

步骤1：建立决策信息表NDT＝，其中条件属性A为电源监测参数集合，决策属性D为电源故障模式集合，U为仿真数据集；

步骤2：将期望得到的电源监测参数品种的约简集合RED初始化为空集；

步骤3：计算电源监测参数集合A中的每一个监测参数的邻域关系；

步骤4：逐一计算A-RED中的监测参数相对于约简集合RED的重要度；

步骤5：选择重要度最大的监测参数，将重要度最大的监测参数加入到约简集合RED中，返回步骤4继续计算，直到重要度小于设定的阈值；

步骤6：得到最终的约简集合RED，所述最终的约简结果RED即为对电源健康状态最为敏感的监测参数集合。

进一步地，所述衰退试验设定n

其中，T

所述采集到的样本数据具体为n

进一步地，所述建立环境温度对监测参数的影响模型具体包括：

按下式对每个环境温度下的监测参数进行均值处理，得到各环境温度下的监测参数均值：

其中，

从n

其中，

t

f(t

根据n

进一步地，所述建立监测参数均值与电源健康综合值的关系模型，公式为：

其中，

从n

通过环境温度对监测参数均值的影响模型，将K+2组样本数据折算为K+2组参考温度T

进一步地，建立电源健康状态的预测模型具体为：

其中，

与现有技术相比，本发明具有以下有益效果：

1、优选电源健康监测参数，获取对健康状态变化最为敏感的参数集合。

2、实时监测、评价大功率电源的工作性能变化，确保复杂电子设备的任务可靠性。

3、预测大功率电源的健康变化趋势，为复杂电子设备任务调度和视情维修提供决策依据。

4、提升电源保障技术水平，推动“反应式”维修向“预防式”维修转变。

附图说明

图1是电源健康预测方法流程图。

图2是环境温度对监测参数均值的影响模型示意图。

具体实施方式

下面结合附图对本发明作进一步详细描述。

在本公开中参照附图来描述本发明的各方面，附图中示出了许多说明的实施例。应当理解，上面介绍的多种构思和实施例，以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施，这是因为本发明所公开的构思和实施例并不限于任何实施方式。另外，本发明公开的一些方面可以单独使用，或者与本发明公开的其他方面的任何适当组合来使用。

实施例1：

为实现复杂电子设备大功率电源健康状态实时、有效的评价，本发明提供了一种电源健康预测方法，主要包括以下步骤(如图1所示)：

1)通过仿真和筛选，获取对电源健康状态敏感的监测参数集合；

根据电源的原理图、元器件BOM表和电源的故障模式集合，通过仿真软件建立仿真模型；

通过修改电路原理图、修改网络拓扑文件和修改模型定义将电源的故障模式集合中的记录逐个仿真注入，获得仿真数据集；

因监测参数较多，部分监测参数具有较强的相关性，本发明通过邻域粗糙集算法对监测参数种类进行筛选，获取对电源健康状态最为敏感的监测参数集合，设所述监测参数集合包括K种监测参数。

所述邻域粗糙集算法的计算步骤如下：

步骤1：建立决策信息表NDT＝，其中条件属性A为电源监测参数集合，决策属性D为电源故障模式集合，U为仿真数据集；

步骤2：将期望得到的电源监测参数品种的约简集合RED初始化为空集；

步骤3：计算电源监测参数集合A中的每一个监测参数的邻域关系；

步骤4：逐一计算A-RED中的监测参数相对于约简集合RED的重要度；

步骤5：选择重要度最大的监测参数，将重要度最大的监测参数加入到约简集合RED中，返回步骤4继续计算，直到重要度小于设定的阈值；

步骤6：得到最终的约简集合RED，所述最终的约简结果RED即为对电源健康状态最为敏感的监测参数集合。

2)建立环境温度对监测参数均值的影响模型；

大功率电源在相同健康状态时，其监测参数在不同环境温度下的数值也往往不同，而实际使用中，电源的环境温度通常在不断变化，不利于监测电源的健康状态。为确定环境温度对监测参数数值的影响，本发明采用衰退试验的方式，建立环境温度对监测参数的影响模型，即温度和监测参数均值之间的关系曲线，如图2所示。

(1)通过衰退试验确定监测参数的试验参数，采集样本数据

为获取监测参数在不同温度下的变化特性，衰退试验设定n

其中T

每个环境温度进行试验的时间统一为t

其中L

监测参数的采样频率S(单位为Hz)由以下公式确定：

由此获得样本数据，具体为n

(2)建立环境温度对监测参数均值的影响模型

对同一温度下的监测参数进行均值处理。以第一种监测参数X

从T

其中

f(t

根据n

根据该方法，可逐一获得环境温度T

3)建立电源健康状态的预测模型

(1)建立监测参数均值与电源健康综合值的关系模型

因电源健康状态对各监测参数的敏感度不同，本发明采用多元线性回归对预处理后的监测参数和电源健康综合值进行分析，建立关系模型。

监测参数均值与电源健康综合值的关系模型可以写为：

其中，

从n

通过环境温度对监测参数均值的影响模型，将K+2组样本数据折算为K+2组参考温度T

(2)建立电源健康状态的预测模型

本发明采用自回归滑动平均模型的自适应预测算法(Autoregressive MovingAverage,ARMA)建立初始预测模型。其一般形式如下：

其中，p为初始预测模型的阶数且p+1≤N，

基于ARMA模型的一步预测值由下式给出：

所述构建ARMA模型的方法为本领域常用的方法。

本发明实现了大功率电源的监测点智能筛选，提供了电源电路监测参数的智能筛选方法；给出了环境温度影响建模过程中的试验设计方法；给出了环境温度对监测参数均值的影响模型的计算方法；提供了包含监测点筛选、试验设计、数据分析、模型建立的一整套大功率电源通用健康预测方法；根据本发明，可提供复杂电子设备大功率电源实时和未来一段时间的健康状态预测，作为用户任务调度、视情维修的依据。根据上述预测模型，用户可预判电源健康状态的发展趋势，获得任务调度和视情维修的决策支撑，减少大功率电源非必要的停机或维修，进而提升复杂电子设备运行的经济效益。