發射平臺供配電系統健康管理系統研究

劉國亮，張中義

（合肥同智機電控制技術有限公司，安徽 合肥 230088）

0 引 言

發射平臺是導彈發射武器系統的重要組成部分，而供配電系統是發射平臺正常工作的“動力之源”。因此，發射平臺供配電系統的穩定性和可靠性顯得尤為重要。我國制定的《國家中長期科學與技術發展規劃綱要》把“重大產品和重大設施壽命預測技術”作為先進制造技術領域前沿技術的三個專題之一[1]。鑒于此，本文以發射平臺供配電系統為依托，開展供配電系統的故障預測與健康管理系統的技術研究，實現對供配電系統的健康狀態和剩余壽命的準確預測，并確定維護的最佳時機，以減少失效和事故發生。

1 故障預測與健康管理研究內容

PHM研究理論基礎是武器裝備系統或零部件不同故障部位引發的現象不同，導致引發故障現象、發生故障部位以及發生原因之間存在某種線性或非線性的映射關系，可通過對現象的數據采集、存儲與分析，結合它們之間的映射關系，能夠在發生故障前對可能發生的部位及原因進行預測[2]。本文正是基于PHM理論概念研究發射平臺供配電系統的故障預測與健康管理系統，并分析研究供配電系統組成與工作原理，確定關鍵模塊或部位、關鍵特征參數、失效模型以及退化分析等，建立供配電系統的PHM技術構架。同時，根據供配電系統的特征參數體系，利用先進的傳感器技術、機內BIT技術及主流的嵌入式系統技術等設計數據采集裝置，記錄供配電系統運行狀態下的特征參數進行數據融合分析及算法處理，為PHM分析與管理提供數據支撐。最后，根據預測結果和輔助決策結論，給出維修策略和方法。

2 健康狀態監測評估體系結構

發射平臺供配電系統健康狀態監測評估系統主要是采用信息提取技術，依托建立多級設備數據的采集和監測，對發射平臺供配電系統進行監控、故障處理及維護保障，并借助先進智能算法和仿真模型監控、診斷、預測和管理發射平臺供配電系統的工作狀態，預測設備功能系統的發展趨勢，從而提前做出技術保障決策的一項體系技術[3]。圖1為發射平臺供配電系統健康狀態評估系統設計框圖。系統由供配電系統、數據采集記錄設備及供配電系統健康監測系統組成，具有與外部保障維修機構以及人機操作的通信接口，便于健康監測系統的管理與使用。

2.1 供配電系統組成與工作原理

供配電系統主要由配電和綜合電源兩部分組成。供電輸入分別來自市電、油機、28 V電源車或蓄電池。

發射平臺供配電系統設計框圖如圖2所示。能夠對不同類型輸入供電進行整合，通過變換處理為車載設備提供高精度高可靠電源，防止輸入電源的變化對車載設備產生干擾，確保發射平臺用電設備安全；在交流和直流供電切換過程中不間斷輸出，具有完善的保護功能，安全性和可靠性高。智能配電箱通過功率模塊完成交流、直流的配電輸出。系統具有漏電壓、絕緣保護、漏電流、過壓、欠壓、過流、過熱以及短路等保護功能。

2.2 數據采集裝置研究與設計

根據發射平臺供配電系統組成、原理與功能提取特征參數，采用數據采集裝置實現特征參數的采集和存儲功能。采集數據包括供配電系統的基本數據、故障記錄、維修記錄、工況數據以及配置參數等信息，可進行長時間存儲，通過USB和網絡接口進行數據傳輸，為供配電系統健康管理提供數據支撐[4]。圖3為數據采集裝置設計框圖。采集模塊采集CAN總線數據和傳感器信號，并進行分類、存儲。通信模塊具有CAN總線通信接口、USB接口以及以太網接口實現與外部的通信和數據傳輸。

圖1 系統構架圖

圖2 供配電系統設計框圖

圖3 數據采集裝置設計框圖

2.3 故障預測與健康管理系統

2.3.1 數據采集與處理

數據采集與處理主要研究基于系統模塊級的特征參數采集、特征參數優選、濾波算法處理以及特征參數記錄研究。根據發射平臺供配電系統的組成與工作原理，關鍵模塊的性能退化或失效引起系統性能退化或失效，同時模塊中關鍵器件的性能退化或失效導致模塊性能退化或失效。因此，選擇關鍵的模塊及關鍵器件表征發射平臺供配電系統的整體健康狀態。導入來自數據采集裝置存儲的供配電系統傳感器和系統數據總線數據，通過數據采集裝置采集數據、獲取供配電系統的故障特征參數，為供配電系統提供故障預測的內容，為其他模塊提供現場的數據信息。

以關鍵器件、部件電路為特征參數提取對象。由于提取參數復雜且外界干擾因素較大，為了準確提取特征參數，采用最小二乘支持向量機（LS-SVM）方法提取[5]。這里以DC/DC電源模塊為例進行特征參數采集與處理研究分析，選取DC/DC電源模塊關鍵器件（電解電容、功率MOSFET等）[6]，同時綜合考慮模塊工作條件對變換器性能退化的影響進行分析，給出DC/DC變換器的故障特征參數，以輸出電壓變化率作為表征變換器性能退化的故障特征參數。

如圖4所示，采用PSpice軟件進行靈敏度（Sensitivity）仿真和蒙特卡洛（Monte-Carlo）仿真，共500次分析，容錯分布為高斯分布，以1 μs的采樣周期進行采樣200點輸出電壓。采樣電路中，分壓系數為1/12，采樣電壓為DC 24 V。理想狀態下，采樣結果為DC 2 V。根據各個器件容差分布數據進行Monte-Carlo仿真，進行500次仿真，得到器件性能變換下的采樣結果。圖5為500次Monte-Carlo仿真結果圖。

圖4 仿真電路圖

圖5 仿真結果

從圖5仿真結果可以看出，采樣結果多數分布在1.8～2.2 V。從中隨機選取16個時間點的采樣結果進行均值計算，得到與理想采樣結果的誤差值，結果如表1所示。

表1 采樣結果誤差表

從表1看出，隨著電路工作時間的增長，電路性能退化，最大相對誤差達到0.69%，表明器件性能退化將導致系統故障特征增量變大。將500次Monte-Carlo仿真結果數據導入Matlab，計算得到其馬氏距離（KL）正態分布，如圖6所示。

圖6 KL分布圖

馬氏距離分布為正態分布，其中μ為均值，σ為均方差。可以看出，多次分析點分布在（μ-1.96σ，μ+1.96σ），少量分布在（μ-2.58σ，μ+2.58σ）之外。根據正態分布理論，σ越小，分布越集中在μ附近；σ越大，分布則越離散。

根據圖6結果，分布在區間（μ-1.96σ，μ+1.96σ）判斷為正常態，分布在區間（μ-1.96σ，μ-2.58σ）以及（μ+1.96σ，μ+2.58σ）為預警態，大于（μ+2.58σ）以及小于（μ-2.58σ）為故障態[7]。

針對供配電系統的關鍵特征參數進行分析，得到如表2所示的特征參數體系。

根據表2內參數體系設計相應信號采集模塊或加裝傳感器實現數據采集，并將采集數據存儲至數據采集裝置中，作為故障預測與健康管理的數據支撐。

2.3.2 故障診斷與預測

通過輸入已被處理過的數據，對系統模塊、子系統以及系統特性進行測試、分析及報告，輸出關于模塊、子系統以及系統的狀態。借助智能推理算法初步處理數據，判斷供配電系統模塊、子系統以及系統的簡單故障狀態，從而判斷供配電系統的基本狀態。系統是否穩定運行通常以設置閾值為衡量標準，即當系統狀態參數超過閾值時，判定系統出現異常，進而診斷是否發生故障。

表2 供配電系統特征參數體系表

針對發射平臺供配電系統可能引起故障的特征進行研究，梳理出對應的主要故障模式，進行機理分析、模式分類和故障特性分析，最終建立發射平臺供配電系統的故障樹，明確故障模式、故障原因及故障影響程度，對不同等級故障模式進行補償措施處理，減少故障發生概率，同時將故障樹分析作為故障評估分析的依據。

2.3.3 健康評估與管理

基本功能是監測模塊、子系統以及系統的健康狀況退化情況。當監測過程中發現系統異常時，需要對異常情況進行進一步診斷、分析，從而確定系統到底處于生命周期的哪種狀態。故障診斷主要分為基于數據診斷和基于模型診斷兩種。基于數據診斷是以系統數據為基礎，通過專家系統、模式識別以及神經網絡等算法對系統進行故障定位及恢復。基于模型診斷先要建立系統精確模型，將監測的系統狀態信息、數據與已經建立的模型進行差分運算，然后進行故障診斷，判別故障類型，并提供維修措施。

2.3.4 輔助決策

根據診斷和預測結果以及維修、停機、備件等相關信息，進行輔助維修決策，確定安排系統維修、維護等工作，對系統進行后勤支持。系統狀態監測、健康評估和故障預測都會生成健康狀態報告，根據健康報告情況可安排下一次的檢測時間、維修人員及措施等[8]。

2.3.5 人機接口

人機接口是與用戶的信息接口，也是系統運行結果的最后表達顯示接口，包括與使用人員、維修人員、作戰人員以及設計人員等信息的接口。表達的信息包括故障隔離結果用于確認模糊故障的數據、發射平臺供配電系統關鍵部件的剩余可用壽命以及維修需求的具體內容等結論性表達，是作戰管理、車輛后勤管理和設計管理等部門活動的依據。

3 結 論

本文重點研究了發射平臺供配電系統中關鍵模塊或零部件的特征提取，但對具體模塊如何提高特征參數提取準確性與科學性的方法需要繼續研究，同時對多測點信號如何進行特征融合也是進一步研究的方向。本文建立的供配電系統故障預測與健康管理系統構架，主要針對供配電系統中關鍵模塊或零部件的失效和退化參數完成設計，采用的實現算法與分析邏輯可借鑒應用于發射平臺的其他分系統，實現發射平臺的故障預測與健康管理系統的設計。