CN104159245B - 面向无线数据传输设备的间接健康因子获得方法 - Google Patents
面向无线数据传输设备的间接健康因子获得方法 Download PDFInfo
- Publication number
- CN104159245B CN104159245B CN201410418596.7A CN201410418596A CN104159245B CN 104159245 B CN104159245 B CN 104159245B CN 201410418596 A CN201410418596 A CN 201410418596A CN 104159245 B CN104159245 B CN 104159245B
- Authority
- CN
- China
- Prior art keywords
- mrow
- sequence
- agg
- data
- var
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
面向无线数据传输设备的间接健康因子获得方法,属于复杂***诊断和预测领域。本发明是为了解决现有处于工作状态的数据传输设备,响应的维持能力较差,从而导致功率调整准确度下降的问题。本发明所述的面向无线数据传输设备的间接健康因子获得方法,从测试数据的角度出发,利用统计学理论,结合功率及自动控制增益参数提取出了能够反映数据传输设备健康状态的间接健康因子,有效地提高了功率调整准确度,为电子设备的故障预测与健康管理提供了切实可行的指导思路。适用于实际的某机载无线数据通讯中继单元中,进行了应用验证,为无线数据传输***的退化状态识别工作提供了切实可行的参考思路。
Description
技术领域
本发明属于复杂***诊断和预测领域,尤其涉及一种无线数据传输设备的间接健康因子构建方法。
背景技术
故障预测与健康管理(PHM)已经逐渐成为复杂***诊断和预测领域的重要研究内容。尤其是随着数据采集和通信技术的快速发展,利用状态监测数据进行***退化性能识别以及健康状态预测成为故障预测与健康管理领域的研究热点,即基于数据驱动的故障预测与健康管理研究。基于数据驱动的故障预测方法目前已经得到了国内外专家的广泛关注,其研究对象也已经从简单的机械***推广至电池、飞机子***、卫星子***等。但目前利用数据驱动方法实现无线数据传输设备趋势预测的研究还鲜见报道,究其原因:一是由于无线数据传输设备属于电子设备,其组成复杂,由大量电子元器件及芯片、辅助设备等组成,二是数据驱动方法没有实际的背景支撑,即数据驱动的方法没有与无线数据传输设备的具体物理模式相对应。
无线数据传输设备属于典型的电子设备,无线数据传输设备的进步完善了数据通信。且无线数据传输设备有很大的应用范围,几乎所有中低速率的数据传输业务都可以应用,但是由于电子设备的复杂性,目前对于无线数据传输设备自身性能的研究很少。
无线数据传输设备通常由外部数据设备、无线数据传输模块组成,其***框图,如图1所示,外部设备为PC机或数据采集等设备。无线数据传输模块为无线数据传输设备的重要组成部分,包括了发射电路和接收电路、射频前端、天线等。无线数据传输模块的自身性能优劣对于整个数据传输设备数据传输的准确性有着至关重要的影响。
数据传输设备在稳定的功率下才可以进行稳定的数据传输,而在实际工作状态下,数据传输设备的功率随着外界环境以及其他因素的变化而呈现出一定的波动性。因此,在数据传输设备中设置自动增益控制对功率进行调节。当功率下降到所允许的阈值下限时,***自动提升增益,使功率上升,相应地,当功率上升至阈值上限时,***自动减小增益,使功率保持在***允许的范围内。自动增益控制随着功率的变化而自动做出调整,功率随着自动增益控制的变化做出相应的响应。具体来说,一定的功率增益会引起功率增加或减小,如果***的性能出现退化,那么对于增益控制的响应品质会有所下降,而这种下降主要体现在两个方面:其一,响应的准确程度下降,从数据角度就表现为单位增益所能够引起的功率变化值达不到预期的水平,即单位增益引起的功率变化量会出现一定程度的下降;其二,响应的稳定程度下降,从数据的角度就表现为单位增益所能够引起的功率变化值序列的波动性增加,即其方差或标准差出现上升趋势。无论是从哪个方面分析,通过自动增益与功率响应的对应关系,获取与数据传输设备性能相关的并呈现出一定变化趋势的健康因子都是切实可行的。而这种通过外测参数之间的关系得到的反映设备退化趋势的健康因子,称其为间接健康因子。进一步分析,对于处于工作状态的数据传输设备,在出现很大的功率响应偏差前,首先会出现响应的不稳定性,即性能退化首先表现为能够得到预期响应,但响应的维持能力较差,出现较大的波动,随后才会继续退化出现难以达到预期调整值即功率调整准确度下降的情况。
发明内容
本发明是为了解决现有处于工作状态的数据传输设备,响应的维持能力较差,从而导致功率调整准确度下降的问题,现提供面向无线数据传输设备的间接健康因子获得方法。
面向无线数据传输设备的间接健康因子获得方法,以加电次数为变量构建健康因子,该方法包括以下步骤:
步骤一一:对机载无线通讯中继单元进行n次加电,n为大于20的整数,分别采集每次加电时的中继AGG自动增益数据构成的序列{AGG}和中继功率数据构成的序列{P},获得n组中继AGG自动增益序列{AGG}和n组中继功率序列{P};
步骤一二:分别对n组中继AGG自动增益序列{AGG}和n组中继功率序列{P}进行一阶差分,获得差分后的n组自动增益增量序列{AGG_d}和n组中继功率增量序列{P_d},
{AGG_d}=AGG(i+1)-AGG(i)i=1,2,...,n
{P_d}=P(i+1)-P(i)
当{AGG_d}=0时,则剔除该组自动增益增量序列{AGG_d}和功率增量序列{P_d}中,使{AGG_d}=0的中继AGG自动增益数据和中继功率数据;
步骤一三:分别对剔除数据后的n组自动增益增量序列{AGG_d}和n组功率增量序列{P_d}进行功率增量计算,获得单位增益对应的功率增量数据y(i)构成的n组序列{y},
其中,t为延迟的时间长度;
步骤一四:根据n组单位增益对应的功率增量序列{y}获得n组序列{y}的波动性表征参量var(y),即方差:
其中,N为数据点的个数,为序列{y}的均值;
并将获得的n组序列{y}的波动性表征参量var(y)作为无线数据传输设备的间接健康因子。
面向无线数据传输设备的间接健康因子获得方法,以时间为变量构建健康因子,该方法包括以下步骤:
步骤二一:以月为单位,对机载无线通讯中继单元进行加电,分别采集m个不连续的独立月份的中继AGG自动增益数据构成的序列{AGG}和中继功率数据构成的序列{P},获得m组中继AGG自动增益序列{AGG}和m组中继功率序列{P},其中m为大于等于6整数;
步骤二二:分别对m组中继AGG自动增益序列{AGG}和m组中继功率序列{P}进行一阶差分,获得差分后的m组自动增益增量序列{AGG_d}和m组中继功率增量序列{P_d},
{AGG_d}=AGG(i+1)-AGG(i)
{P_d}=P(i+1)-P(i)
i=1,2,...,n
当{AGG_d}=0时,则剔除该组自动增益增量序列{AGG_d}和功率增量序列{P_d}中,使{AGG_d}=0的中继AGG自动增益数据和中继功率数据;
步骤二三:分别对剔除数据后的m组自动增益增量序列{AGG_d}和m组功率增量序列{P_d}进行功率增量计算,获得单位增益对应的功率增量数据y(i)构成的m组序列{y},
其中,t为延迟的时间长度;
步骤二四:以月为单位,根据m组单位增益对应的功率增量序列{y}获得各个月内的共m组序列{y}的波动性表征参量var(y),即方差:
其中,N为数据点的个数,为序列{y}的均值;
将波动性表征参量var(y)按照其出现的时间跨度进行编号,时间跨度即波动性表征参量var(y)所在月份跨度,设波动性表征参量var(y)所对应的月份编号序列为{at},即已知月份,缺失月份编号序列为{qt};
步骤二五:对m组序列{y}的波动性表征参量var(y)进行拟合,获得拟合后的方差曲线表达式,分别将已知月份编号序列{at}与缺失月份编号序列为{qt}代入拟合的方差表达式,获得已知月份的拟合波动性表征参量var_fat和缺失月份的拟合波动性表征参量var_fqt;
步骤二六:将步骤二四中获得的波动性表征参量var(y)和步骤二五获得的已知月份的拟合波动性表征参量var_fat进行拟合误差计算,获得已知月份的拟合误差结果序列errorat:
errorat=var(y)-var_fat;
步骤二七:对已知月份的拟合误差结果序列errorat进行正态性检验,获得已知月份的拟合误差结果序列errorat的均值和标准差σerror,
其中,errori表示已知月份的拟合误差结果序列errorat中的第i个拟合误差数据;
步骤二八:在均值和标准差σerror正态分布的数据中随机生成缺失月份的误差结果序列errorqt;
步骤二九:将步骤二五中获得的缺失月份的拟合波动性表征参量var_fqt与步骤二八生成的缺失月份的误差结果序列errorqt进行叠加,获得缺失月份的重构波动性表征参量序列varqt
varqt=var_fqt+errorqt;
步骤二十:将步骤二四获得的波动性表征参量var(y)与步骤二九获得的缺失月份的重构波动性表征参量序列varqt按照月份的编号排列后绘制曲线,并将该曲线作为以时间为变量的间接健康因子。
本发明所述的面向无线数据传输设备的间接健康因子获得方法,从测试数据的角度出发,以某机载无线数据通讯中继单元为验证对象,分别以时间和加电次数为变量,分别构建反映其性能退化的健康因子,以便工作人员提早规划可行的维修策略,为电子设备的故障预测与健康管理提供了切实可行的指导思路。
本发明对无线数据传输设备的退化状态识别进行研究,从测试参数的物理含义出发,利用统计学理论,结合功率及自动控制增益参数提取出了能够反映数据传输设备健康状态的间接健康因子,即单位增益对应的功率增量方差序列,有效地提高了功率调整准确度。适用于实际的某机载无线数据通讯中继单元中,进行了应用验证,为无线数据传输***的退化状态识别工作提供了切实可行的参考思路。
附图说明
图1为无线数据传输设备的***框图;
图2为单位增益对应功率增量的方差序列曲线图;
图3为直控单位增益对应功率增量的方差序列曲线图;
图4为以时间变量时,6个波动性表征参量绘制的曲线图;
图5为以时间变量时,含有时间延迟t=20的6个波动性表征参量绘制的曲线图
图6为以时间变量时,波动性表征参量拟合误差曲线图;
图7为拟合误差正态性检验曲线图;
图8为以时间变量时,缺失数据重构后的连续每个月的方差数据曲线图;
图9为以时间变量时,间接健康因子曲线图。
具体实施方式
具体实施方式一:本实施方式所述的面向无线数据传输设备的间接健康因子获得方法,以加电次数为变量构建健康因子,该方法包括以下步骤:
步骤一一:对机载无线通讯中继单元进行n次加电,n为大于20的整数,分别采集每次加电时的中继AGG自动增益数据构成的序列{AGG}和中继功率数据构成的序列{P},获得n组中继AGG自动增益序列{AGG}和n组中继功率序列{P};
步骤一二:分别对n组中继AGG自动增益序列{AGG}和n组中继功率序列{P}进行一阶差分,获得差分后的n组自动增益增量序列{AGG_d}和n组中继功率增量序列{P_d},
{AGG_d}=AGG(i+1)-AGG(i)i=1,2,...,n
{P_d}=P(i+1)-P(i)
当{AGG_d}=0时,则剔除该组自动增益增量序列{AGG_d}和功率增量序列{P_d}中,使{AGG_d}=0的中继AGG自动增益数据和中继功率数据;
步骤一三:分别对剔除数据后的n组自动增益增量序列{AGG_d}和n组功率增量序列{P_d}进行功率增量计算,获得单位增益对应的功率增量数据y(i)构成的n组序列{y},
其中,t为延迟的时间长度;
步骤一四:根据n组单位增益对应的功率增量序列{y}获得n组序列{y}的波动性表征参量var(y),即方差:
其中,N为数据点的个数,为序列{y}的均值;
并将获得的n组序列{y}的波动性表征参量var(y)作为无线数据传输设备的间接健康因子。
考虑到对于数传设备,具有时序的量最直观的表现为加电次数,即加电测试的编号序列,针对于加电次数而言,构建的健康因子可用于反应数传设备在使用过程中,可重复加电工作的次数;以加电次数为变量构建的健康因子不存在缺失数据的处理,即其为连续变化的变量。
以某机载无线数据通讯中继单元加电次数为变量,即以独立的测试试验为单位,独立进行每次测试数据的统计分析。根据测试数据的存储特征,以测试次数即加电次数为单位进行数据的提取、计算、分析以及健康因子的构建。
以某机载无线通讯中继单元一组数据中的21个中继AGG自动增益与中继功率外测数据对为例,具体说明本实施方式:
读取按测试时间排列的共计21个中继AGG自动增益与中继功率数据序列,中继AGG数据记为{AGG}序列,中继功率数据记为{P}序列;
对两列数据分别进行相邻时间点的一阶差分如式(1)、(2),获得差分后的数据{AGG_d}和{P_d};
AGG_d=AGG(i+1)-AGG(i)i=1,2,...,n (1)
P_d=P(i+1)-P(i) (2)
对于区间上没有增益变化的情况,即{AGG_d}=0时,剔除该测试点的功率增量及增益增量数据,因为在增益未发生变化时,无法确定单位增益变化所引起的功率增长;
对剔除后的数据进行单位增益对应功率增量计算,这里选取不同延迟点数用作横向对比,分别进行比值计算,即按照式(3)进行计算,获得所需序列{y};
其中,t为延迟的时间长度。
获取序列{y}的波动性表征参量即序列方差计算,每次加电计算一次方差(以t=1为例)
上式中N为数据点的个数,为序列{y}的均值。
21个按照时间排列的序列{y}按照式(4)计算得到表1的方差序列,并绘制图线,如图2所示。
表1中继单位增益对应功率增量方差序列-处理结果
按照上述思路,提取机载无线数据通讯中继单元的另一组外测参数——直控AGG自动增益与直控功率序列,进行相同的处理,即上述步骤中的{AGG}序列代表直控AGG自动增益,{P}代表直控功率,设定延迟t=3结果如表2和图3所示。
表2直控单位增益对应功率增量方差序列-处理结果
经过延迟处理后,获取的方差序列呈整体上升趋势,并且曲线平滑,也表明了单位增益对应的功率增量方差序列随着机载无线通讯单元的使用而呈现上升趋势,能够用于反映设备的健康状态。
具体实施方式二:本实施方式所述的面向无线数据传输设备的间接健康因子获得方法,以时间为变量构建健康因子,该方法包括以下步骤:
步骤二一:以月为单位,对机载无线通讯中继单元进行加电,分别采集m个不连续的独立月份的中继AGG自动增益数据构成的序列{AGG}和中继功率数据构成的序列{P},获得m组中继AGG自动增益序列{AGG}和m组中继功率序列{P},其中m为大于等于6整数;
步骤二二:分别对m组中继AGG自动增益序列{AGG}和m组中继功率序列{P}进行一阶差分,获得差分后的m组自动增益增量序列{AGG_d}和m组中继功率增量序列{P_d},
{AGG_d}=AGG(i+1)-AGG(i)
{P_d}=P(i+1)-P(i)
当{AGG_d}=0时,则剔除该组自动增益增量序列{AGG_d}和功率增量序列{P_d}中,使{AGG_d}=0的中继AGG自动增益数据和中继功率数据;
步骤二三:分别对剔除数据后的m组自动增益增量序列{AGG_d}和m组功率增量序列{P_d}进行功率增量计算,获得单位增益对应的功率增量数据y(i)构成的m组序列{y},
其中,t为延迟的时间长度;
步骤二四:以月为单位,根据m组单位增益对应的功率增量序列{y}获得各个月内的共m组序列{y}的波动性表征参量var(y),即方差:
其中,N为数据点的个数,为序列{y}的均值;
将波动性表征参量var(y)按照其出现的时间跨度进行编号,时间跨度即波动性表征参量var(y)所在月份跨度,
设波动性表征参量var(y)所对应的月份编号序列为{at},即已知月份,缺失月份编号序列为{qt};
步骤二五:对m组序列{y}的波动性表征参量var(y)进行拟合,获得拟合后的方差曲线表达式,分别将已知月份编号序列{at}与缺失月份编号序列为{qt}代入拟合的方差表达式,获得已知月份的拟合波动性表征参量var_fat和缺失月份的拟合波动性表征参量var_fqt;
步骤二六:将步骤二四中获得的波动性表征参量var(y)和步骤二五获得的已知月份的拟合波动性表征参量var_fat进行拟合误差计算,获得已知月份的拟合误差结果序列errorat:
errorat=var(y)-var_fat;
步骤二七:对已知月份的拟合误差结果序列errorat进行正态性检验,获得已知月份的拟合误差结果序列errorat的均值和标准差σerror,
其中,errori表示已知月份的拟合误差结果序列errorat中的第i个拟合误差数据;
步骤二八:在均值和标准差σerror正态分布的数据中随机生成缺失月份的误差结果序列errorqt;
步骤二九:将步骤二五中获得的缺失月份的拟合波动性表征参量var_fqt与步骤二八生成的缺失月份的误差结果序列errorqt进行叠加,获得缺失月份的重构波动性表征参量序列varqt
varqt=var_fqt+errorqt;
步骤二十:将步骤二四获得的波动性表征参量var(y)与步骤二九获得的缺失月份的重构波动性表征参量序列varqt按照月份的编号排列后绘制曲线,并将该曲线作为以时间为变量的间接健康因子。
以中继AGG与中继功率为例,具体说明本实施方式,选择某机载无线通讯中继单元的7个不连续的独立月份,构建基于时间退化的间接健康因子及数据重构:
间接健康因子的构建与上一节相类似,包含增量序列的提取、比值求取以及方差计算三个环节。不同的是,这里变量是时间,因此,考虑将数据以月为单位进行分组,并且对每个月的比值计算数据进行方差的求取。同样的,比值的计算方法引入时间的延迟。具体如下:
读取按测试时间排列的共计21个中继AGG自动增益与中继功率,中继AGG自动增益记为{AGG}序列,中继功率记为{P}序列;
按照测试数据所在月份对数据进行分割,将21个数据序列分配在6个不连续的独立月份;
对每组数据中包含的中继AGG自动增益以及中继功率分别进行相邻点一阶差分计算,如式(1)和(2),获得6对相互对应的{AGG_d}和{P_d}序列;
对于区间上没有增益变化的情况,即{AGG_d}=0时,剔除该测试点的功率增量及增益增量数据,因为在增益未发生变化时,无法确定单位增益变化所引起的功率增长;
对剔除后的数据进行单位增益对应功率增量计算,如式(3)。
若t取0,则表示一一对应求取,若t取非零正整数,则表示引入时间延迟计算单位增益对应功率增量序列,从而获取相应的序列{y};
以月为单位,计算该月内单位增益对应功率增量序列的方差,即波动性表征参量,共计可以获取6个数据点,根据该数据点绘制曲线图,如图4所示,含有时间延迟t=20的数据图形如图5所示,二者的计算结果如表3所示:
表3时间变量间接因子提取-中继AGG与中继功率
从图4和图5可以直观看出,随着时间的推移,每个月单位增益对应功率增量的波动性逐渐上升,即方差呈现一定的上升趋势,与分析的预期结果相一致。同时,对比两个图可以看出,经过延迟处理之后的方差序列的上升趋势更为理想和平滑。根据图5中t=20点的情形,可以看出,整体趋势已经较为理想,整体较为平滑,没有异常点的出现。
经过上述步骤获取了不同计算方法下的各自6个方差计算结果,然而,这些数据对于预测建模而言是远远不够的。与此同时,时间变量是连续变化的,因此,其应该是前后相连的。所以,在对已知测试数据进行参量提取之后,需要对期间缺失的数据进行重构与生成,也就是在假设缺失测试数据期间机载无线数据通讯中继单元为正常工作的前提下,依据统计原理,重新构建缺失部分的数据。具体步骤如下:
采用的中继AGG自动增益数据和中继功率数据所在的6个月为非连续的,即08年3月、08年4月以及10年4月、10年8月、10年9月、10年10月,其跨度为31个月。将这31个月的数据分别标号为1至31。已知的测试数据分别对应于标号1、2、25、29、30、31;
横坐标为[1 2 25 29 30 31],纵坐标为在上一个环节中获取的6个方差数据序列,基于最小二乘方法实现曲线拟合,这里,选择指数形式对间接因子的趋势曲线进行拟合,即使用如式(5)的指数函数刻画间接健康因子随时间的变化规律;
var_f=a·eb·t (5)
式中,var_f即为拟合得到的方差序列,t表示时间标号,取值1至31,a和b为待定参数,根据最小二乘原理实现估计。对于图4所示方差序列,可以获取其拟合结果如图6所示。
拟合获得的表达式如式(6)所示:
var_f=0.50·e0.06·t (6)
其中,参数a置信概率为95%的置信区间为(-0.45,1.45),参数b置信概率为95%的置信区间为(-0.01,0.12),拟合曲线的拟合质量评价参数:SSE=1.255,R2=0.8524,RMSE=0.5601。其中R2越接近于1说明拟合效果越好。
拟合之后,按式(7)计算拟合误差结果。
error=var-var_f (7)
其中var_f为拟合获取的方差结果,var为真实计算的方差数值。计算得到误差结果如表4所示。
表4时间变量间接因子拟合及误差
获得误差计算结果后,对误差的统计规律进行分析,首先对误差数据进行正态性检验,可以得到图7所示结果。可以看出,数据点基本分布于直线附近,也就是说,基本上符合正态分布规律。因此,将拟合误差看作是服从正态分布规律的误差序列,作为后续误差数据生成过程中的依据。
进一步,计算误差序列的统计规律,可得其标准差为0.4989,均值为-0.0419,后续将构造服从此分布的正态随机序列作为补充的数据点的拟合误差值。
获取误差的统计规律后,对中间缺失的其余25个数据点进行重构。重构的方法主要是在拟合曲线的基础上叠加一个误差项,而这个误差项就要依据拟合曲线与真实测试数据误差的统计分布规律来获取。也就是说,生成服从均值为-0.0419,标准差为0.4989的正态随机数据,即进行随机采样获取缺失数据部分的误差,生成结果如表5所示。
表5时间变量间接因子误差生成结果
获得缺失数据部分的误差结果,将此结果与拟合曲线对应点相加即可获得缺失部分的补充数据,最终可以获得缺失数据重构后的连续每个月的方差数据,如图8所示。
经过上述步骤后即可构造出完整的31个月的数据点,通过图8可以看出,构造的间接因子随着时间呈现上升趋势,趋势服从指数形式,并且缺失部分重构过程中,依托于真实数据的上升趋势以及拟合误差数据的统计分布规律,是对于假定连续工作的真实状态的合理模拟,因此,这种构造的策略是合理且有效的。
对于延迟20数据点进行比值计算的情况,进行相同的处理,可以得到构造后的间接健康因子曲线图;如图9所示。
通过上述分析可以知道,无论是否进行延迟相除处理,均可以获得具有良好退化趋势的间接健康因子,并且经过一定延迟处理后,构造的健康因子的波动性有所下降,即平滑度有所改善。
具体实施方式三:本实施方式是是对具体实施方式二所述的面向无线数据传输设备的间接健康因子获得方法的进一步说明,本实施方式中,步骤二六所述的拟合后的方差曲线表达式,即波动性表征参量为:
var_f=a·eb·t
其中,var_f表示所有月份拟合方差,t表示起始月份到最终月份的标号,a和b为参数。
Claims (3)
1.面向无线数据传输设备的间接健康因子获得方法,其特征在于,该方法以加电次数为变量构建健康因子,该方法包括以下步骤:
步骤一一:对机载无线通讯中继单元进行n次加电,n为大于20的整数,分别采集每次加电时的中继AGG自动增益数据构成的序列{AGG}和中继功率数据构成的序列{P},获得n组中继AGG自动增益序列{AGG}和n组中继功率序列{P};
步骤一二:分别对n组中继AGG自动增益序列{AGG}和n组中继功率序列{P}进行一阶差分,获得差分后的n组自动增益增量序列{AGG_d}和n组中继功率增量序列{P_d},{AGG_d}=AGG(i+1)-AGG(i)i=1,2,...,n
{P_d}=P(i+1)-P(i)
当{AGG_d}=0时,则剔除该组自动增益增量序列{AGG_d}和功率增量序列{P_d}中,使{AGG_d}=0的中继AGG自动增益数据和中继功率数据;
步骤一三:分别对剔除数据后的n组自动增益增量序列{AGG_d}和n组功率增量序列{P_d}进行功率增量计算,获得单位增益对应的功率增量数据y(i)构成的n组序列{y},
<mrow>
<mi>y</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mi>P</mi>
<mo>_</mo>
<mi>d</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>+</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>A</mi>
<mi>G</mi>
<mi>G</mi>
<mo>_</mo>
<mi>d</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
其中,t为延迟的时间长度;
步骤一四:根据n组单位增益对应的功率增量序列{y}获得n组序列{y}的波动性表征参量var(y),即方差:
<mrow>
<mi>var</mi>
<mrow>
<mo>(</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>var</mi>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<mi>P</mi>
<mo>_</mo>
<mi>d</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>+</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>A</mi>
<mi>G</mi>
<mi>G</mi>
<mo>_</mo>
<mi>d</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mfrac>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mover>
<mi>y</mi>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mfrac>
</mrow>
其中,N为数据点的个数,为序列{y}的均值;
并将获得的n组序列{y}的波动性表征参量var(y)作为无线数据传输设备的间接健康因子。
2.面向无线数据传输设备的间接健康因子获得方法,其特征在于,该方法以时间为变量构建健康因子,该方法包括以下步骤:
步骤二一:以月为单位,对机载无线通讯中继单元进行加电,分别采集m个不连续的独立月份的中继AGG自动增益数据构成的序列{AGG}和中继功率数据构成的序列{P},获得m组中继AGG自动增益序列{AGG}和m组中继功率序列{P},其中m为大于等于6整数;
步骤二二:分别对m组中继AGG自动增益序列{AGG}和m组中继功率序列{P}进行一阶差分,获得差分后的m组自动增益增量序列{AGG_d}和m组中继功率增量序列{P_d},
{AGG_d}=AGG(i+1)-AGG(i)
{P_d}=P(i+1)-P(i)
i=1,2,...,n
当{AGG_d}=0时,则剔除该组自动增益增量序列{AGG_d}和功率增量序列{P_d}中,使{AGG_d}=0的中继AGG自动增益数据和中继功率数据;
步骤二三:分别对剔除数据后的m组自动增益增量序列{AGG_d}和m组功率增量序列{P_d}进行功率增量计算,获得单位增益对应的功率增量数据y(i)构成的m组序列{y},
<mrow>
<mi>y</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mi>P</mi>
<mo>_</mo>
<mi>d</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>+</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>A</mi>
<mi>G</mi>
<mi>G</mi>
<mo>_</mo>
<mi>d</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
其中,t为延迟的时间长度;
步骤二四:以月为单位,根据m组单位增益对应的功率增量序列{y}获得各个月内的共m组序列{y}的波动性表征参量var(y),即方差:
<mrow>
<mi>var</mi>
<mrow>
<mo>(</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>var</mi>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<mi>P</mi>
<mo>_</mo>
<mi>d</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>+</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>A</mi>
<mi>G</mi>
<mi>G</mi>
<mo>_</mo>
<mi>d</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mfrac>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mover>
<mi>y</mi>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mfrac>
</mrow>
其中,N为数据点的个数,为序列{y}的均值;
将波动性表征参量var(y)按照其出现的时间跨度进行编号,时间跨度即波动性表征参量var(y)所在月份跨度,设波动性表征参量var(y)所对应的月份编号序列为{at},即已知月份,缺失月份编号序列为{qt};
步骤二五:对m组序列{y}的波动性表征参量var(y)进行拟合,获得拟合后的方差曲线表达式,分别将已知月份编号序列{at}与缺失月份编号序列为{qt}代入拟合的方差表达式,获得已知月份的拟合波动性表征参量var_fat和缺失月份的拟合波动性表征参量var_fqt;
步骤二六:将步骤二四中获得的波动性表征参量var(y)和步骤二五获得的已知月份的拟合波动性表征参量var_fat进行拟合误差计算,获得已知月份的拟合误差结果序列errorat:
errorat=var(y)-var_fat;
步骤二七:对已知月份的拟合误差结果序列errorat进行正态性检验,获得已知月份的拟合误差结果序列errorat的均值和标准差σerror,
<mrow>
<mover>
<mrow>
<mi>e</mi>
<mi>r</mi>
<mi>r</mi>
<mi>o</mi>
<mi>r</mi>
</mrow>
<mo>&OverBar;</mo>
</mover>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msub>
<mi>error</mi>
<mi>i</mi>
</msub>
</mrow>
<mi>m</mi>
</mfrac>
</mrow>
<mrow>
<msub>
<mi>&sigma;</mi>
<mrow>
<mi>e</mi>
<mi>r</mi>
<mi>r</mi>
<mi>o</mi>
<mi>r</mi>
</mrow>
</msub>
<mo>=</mo>
<msqrt>
<mrow>
<mfrac>
<mn>1</mn>
<mi>m</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>error</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mover>
<mrow>
<mi>e</mi>
<mi>r</mi>
<mi>r</mi>
<mi>o</mi>
<mi>r</mi>
</mrow>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
其中,errori表示已知月份的拟合误差结果序列errorat中的第i个拟合误差数据;
步骤二八:在均值和标准差σerror正态分布的数据中随机生成缺失月份的误差结果序列errorqt;
步骤二九:将步骤二五中获得的缺失月份的拟合波动性表征参量var_fqt与步骤二八生成的缺失月份的误差结果序列errorqt进行叠加,获得缺失月份的重构波动性表征参量序列varqt
varqt=var_fqt+errorqt;
步骤二十:将步骤二四获得的波动性表征参量var(y)与步骤二九获得的缺失月份的重构波动性表征参量序列varqt按照月份的编号排列后绘制曲线,并将该曲线作为以时间为变量的间接健康因子。
3.根据权利要求2所述的面向无线数据传输设备的间接健康因子获得方法,其特征在于,步骤二六所述的拟合后的方差曲线表达式,即波动性表征参量为:
var_f=a·eb·t
其中,var_f表示所有月份拟合方差,t表示起始月份到最终月份的标号,a和b为参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410418596.7A CN104159245B (zh) | 2014-08-22 | 2014-08-22 | 面向无线数据传输设备的间接健康因子获得方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410418596.7A CN104159245B (zh) | 2014-08-22 | 2014-08-22 | 面向无线数据传输设备的间接健康因子获得方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104159245A CN104159245A (zh) | 2014-11-19 |
CN104159245B true CN104159245B (zh) | 2017-08-25 |
Family
ID=51884631
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410418596.7A Active CN104159245B (zh) | 2014-08-22 | 2014-08-22 | 面向无线数据传输设备的间接健康因子获得方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104159245B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107941537B (zh) * | 2017-10-25 | 2019-08-27 | 南京航空航天大学 | 一种机械设备健康状态评估方法 |
CN109000930B (zh) * | 2018-06-04 | 2020-06-16 | 哈尔滨工业大学 | 一种基于堆叠去噪自编码器的涡轮发动机性能退化评估方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102801767A (zh) * | 2011-11-23 | 2012-11-28 | 南京航空航天大学 | 单机级飞机结构phm***及实现方法 |
CN103025592A (zh) * | 2010-06-30 | 2013-04-03 | 普拉德研究及开发股份有限公司 | 用于油田设备预测和健康管理的***、方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7081729B2 (en) * | 2004-03-23 | 2006-07-25 | The Boeing Company | Variable-structure diagnostics approach achieving optimized low-frequency data sampling for EMA motoring subsystem |
-
2014
- 2014-08-22 CN CN201410418596.7A patent/CN104159245B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103025592A (zh) * | 2010-06-30 | 2013-04-03 | 普拉德研究及开发股份有限公司 | 用于油田设备预测和健康管理的***、方法和装置 |
CN102801767A (zh) * | 2011-11-23 | 2012-11-28 | 南京航空航天大学 | 单机级飞机结构phm***及实现方法 |
Non-Patent Citations (3)
Title |
---|
A Wireless Sensor System for Prognostics and Health Management;Shunfeng Cheng,KwokTom,etc.;《IEEE Sensors Journal》;20100308;第10卷(第4期);全文 * |
Wireless Sensor Networks Prototype System for PHM;Jie Zhang,Bo Jing,Li-Ming He;《2010 8th World Congress on Intelligent Control and Automation》;20100823;全文 * |
数据驱动故障预测和健康管理综述;彭宇,刘大同;《仪器仪表学报》;20140331;第35卷(第3期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN104159245A (zh) | 2014-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110516912B (zh) | 一种配电台区户变关系的识别方法 | |
CN106204154A (zh) | 基于层次分析法和熵值法的用户价值评分***及其方法 | |
CN109948833A (zh) | 一种基于长短期记忆网络的水电机组劣化趋势预测方法 | |
CN104638672B (zh) | 一种考虑变量相关性的光伏穿透功率极限的确定方法 | |
US20140229153A1 (en) | Simulation of an electrical power distribution network in a wind farm | |
CN116011608B (zh) | 光伏功率超短期预测方法及装置、电子设备、存储介质 | |
CN108364117B (zh) | 一种考虑光伏电站元件可靠性的电网风险评估方法 | |
CN110417053B (zh) | 计及综合需求响应的多能源***可靠性评估方法 | |
CN109683094A (zh) | 一种锂离子电池的快速分选方法及其分选装置 | |
CN112329339B (zh) | 一种风电场短期风速预测方法 | |
CN104600727A (zh) | 一种基于数理统计和小波分解算法的微电网中混合储能的容量配置方法 | |
CN105024645B (zh) | 一种基于矩阵进化的光伏阵列故障定位方法 | |
CN108846555A (zh) | 一种电力负荷大数据缺失值的高效精确填补法 | |
Xu et al. | State estimation of systems with UPFCs using the interior point method | |
CN104159245B (zh) | 面向无线数据传输设备的间接健康因子获得方法 | |
CN108667069A (zh) | 一种基于偏最小二乘法回归的短期风电功率预测方法 | |
CN107991902A (zh) | 一种航天器的供电***的建模及仿真方法 | |
CN108132441A (zh) | 储能电池模组荷电状态的运行范围确定方法及装置 | |
CN107038297A (zh) | 全球能源互联网运行特性仿真的自适应变步长积分方法 | |
CN108399505A (zh) | 分布式光伏电源接入容量规划方法及终端设备 | |
Zhang et al. | Cycle-life-aware optimal sizing of grid-side battery energy storage | |
CN108429271A (zh) | 用于频率调节的混合储能***微能源网优化方法及*** | |
CN112596020A (zh) | 一种台区内智能电表运行误差的修正方法及相关装置 | |
CN106886620A (zh) | 航天器测试资源优化配置方法 | |
CN116611702A (zh) | 一种面向楼宇综合能源管理的集成学习光伏发电预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |