CN109101751A - 一种基于信息融合的动量轮可靠性评估方法 - Google Patents

Abstract

本发明公开了一种基于信息融合的动量轮可靠性评估方法。本发明通过分析性能参数受外界环境影响的大小，选取受外界环境影响较小的润滑***的剩余油量作为关键性能指标，通过退化数据分析建立合适的退化模型，根据退化模型的性质构建联合似然函数，从而成功地将性能退化数据信息和少量的样本寿命信息融合，运用极大似然估计法完成退化模型中的参数估计，最后在融合信息的基础上完成对动量轮的可靠性评估。本发明在对动量轮的可靠性评估中充分利用了多源信息，提高了评估结果的稳健性。

Description

一种基于信息融合的动量轮可靠性评估方法

技术领域

本发明涉及可靠性分析技术领域，具体涉及一种基于信息融合的动量轮可靠性评估方法。

背景技术

动量轮是卫星姿态控制***中一种重要的惯性执行机构，其可靠性在很大程度上决定着整星的可靠性，对其进行可靠性评估意义深远。然而，动量轮由于可靠性高、寿命长、样本小、失效机理复杂等原因，传统的可靠性评估方法难以适用，现有的对动量轮的可靠性评估大多从性能退化的角度着手，通过分析退化数据从而建立合适的退化模型，然后通过外推的手段达到可靠性评估的目的。然而这种方法虽然能够有效利用性能退化数据，但不能充分利用通过试验收集到的少量的寿命信息。

动量轮是一种长寿命产品，其失效与其性能退化有着密切的关系。现有研究表明，动量轮的失效与轴承温度、润滑***剩余油量、微振动、电流、转速等因素有关。现有的对动量轮的可靠性评估方法大多选取轴温或轴系电流为动量轮的性能退化关键性能参数，通过建立退化模型并外推的方法来实现对其可靠性的评估。由于在运转过程中卫星与太阳的距离是以时间为周期变化的，卫星在不同位置所受到的太阳辐射强度是不同的，最终会影响到动量轮各个部位所测量到的温度，导致选用温度作为退化量时可能使预测失准。由于动量轮在运转过程中轴系电流数据较小，在测量噪声较大时会将真实电流淹没使得真实电流数据难以获得，进而导致预测失准。相比于轴温和轴系电流，动量轮润滑***的剩余油量受外界干扰较小，动量轮润滑***剩余油量直接影响轴温和轴系电流，是动量轮性能的一个重要参考指标。

发明内容

针对现有技术中的上述不足，本发明提供的一种基于信息融合的动量轮可靠性评估方法解决了动量轮可靠性分析信息运用不充分的问题。

为了达到上述发明目的，本发明采用的技术方案为：一种基于信息融合的动量轮可靠性评估方法，包括以下步骤：

S1、分析动量轮的性能失效机理，确定动量轮的关键性能退化参数；

S2、采集动量轮的多源信息，根据关键性能退化参数的退化数据信息建立退化模型；

所述动量轮的多源信息包括关键性能退化参数的退化数据信息和寿命数据信息；

S3、根据退化模型构建联合似然函数；

S4、根据联合似然函数对退化模型中的参数进行估计，得到参数估计值；

S5、构建动量轮的可靠度函数并根据参数估计值求解可靠度函数，完成动量轮可靠性评估。

进一步地：所述步骤S1中动量轮的关键性能退化参数为动量轮润滑***的剩余油量。

进一步地：所述步骤S2具体包括以下步骤：

S21、采集动量轮的关键性能退化参数的退化数据信息和寿命数据信息；

S22、分析退化数据，选择合适的退化模型，并构建该退化模型。

进一步地：所述步骤S3具体包括以下步骤：

S31、构建动量轮的性能退化数据的似然函数；

S32、根据退化模型构建动量轮的寿命数据的似然函数；

S33、通过性能退化数据的似然函数和寿命数据的似然函数的乘积构建联合似然函数。

进一步地：所述步骤S4具体包括以下步骤：

S41、对联合似然函数求对数，得到联合对数似然函数；

S42、根据联合对数似然函数构建参数方程组，并求解方程组，得到参数估计值。

本发明的有益效果为：本发明通过分析性能参数受外界环境影响的大小，选取受外界环境影响较小的润滑***的剩余油量作为关键性能指标，通过退化数据分析建立合适的退化模型，并根据退化模型的性质构建联合似然函数，从而成功地将性能退化数据信息和少量的样本寿命信息融合，运用极大似然估计法完成退化模型中的参数估计，最后在融合信息的基础上完成对动量轮的可靠性评估。本发明在对动量轮的可靠性评估中充分利用了多源信息，提高了评估结果的稳健性。

附图说明

图1为本发明流程图；

图2为本发明实施例中得到的可靠度函数图。

具体实施方式

下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明。但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

如图1所示，一种基于信息融合的动量轮可靠性评估方法，包括以下步骤：

S1、分析动量轮的性能失效机理，确定动量轮的关键性能退化参数。

动量轮的失效与众多因素有关，如轴承温度、润滑***、微振动、电流、转速等。现有的对动量轮的可靠性评估方法大多选取轴温或轴系电流为动量轮的性能退化关键性能参数，通过建立退化模型并用外推的方法来实现对其可靠性的评估。由于在运转过程中卫星与太阳的距离是周期性变化的，卫星在不同位置所受到的太阳辐射强度是不同的，最终会影响到动量轮各个部位所测量到的温度，从而使得用轴温作为性能退化指标进行动量轮可靠性评估可能会失准。由于动量轮在运转过程中轴系电流数据较小，在测量噪声较大时真实电流会被噪声淹没，难以获得真实电流数据，进而导致预测失准。相比于轴温和轴系电流，动量轮润滑***的剩余油量受外界干扰较小，动量轮润滑***剩余油量直接影响轴温和轴系电流，是动量轮性能的一个重要参考指标，故本发明选取动量轮润滑***的剩余油量作为关键性能参数。

S2、采集动量轮的多源信息，多源信息包括关键性能退化参数的退化数据信息和寿命数据信息，根据关键性能退化参数的退化数据信息建立退化模型，具体包括以下步骤：

S21、采集动量轮的关键性能退化参数的退化数据信息和寿命数据信息。

在本发明实施例中，收集动量轮的退化信息为动量轮润滑***的剩余油量，如表1所示。

表1

对收集到的退化数据信息进行处理，转化为退化量信息，在本发明实施例中，即将动量轮润滑***剩余油量转换为动量轮润滑***剩余油量的退化量，动量轮润滑***剩余油量的退化量如表2所示。

表2

在本发明实施例中，收集的少量寿命信息为5个动量轮的寿命数据，分别为116个月、112个月、218个月、64个月和144个月。

S22、分析退化数据，选择合适的退化模型，并构建该退化模型。

通过分析表2中的数据，发现性能退化数据有线性单调递减的趋势，且具有一定的波动性。根据维纳过程的性质知，维纳过程不具有严格单调性，适合于具有一定波动性的性能退化数据的建模，且维纳过程在退化建模中应用广泛，动量轮的性能退化数据正好符合维纳过程的性质，故选用维纳过程作为退化模型：

Y(t)＝μt+σB(t)

上式中，Y(t)为退化量，μ为漂移系数，σ为扩散系数，B(t)为布朗运动函数。

S3、根据退化模型构建联合似然函数，具体包括以下步骤：

S31、构建动量轮的性能退化数据的似然函数，具体步骤为：

将动量轮的性能退化量表示为如下形式：

上式中，M为参与性能退化实验的样本量，n_i为第i个动量轮共测量的次数；t_ij为第i个动量轮第j次测量的时刻；y(t_ij)为第i个动量轮在第t_ij时刻所测量的动量轮剩余润滑***的退化量。

根据维纳过程的性质，Δy_ij＝y(t_i,j+1)-y(t_i,j)(i＝1,2…M,i＝1,2,…,n_i)服从正太分布N(uΔt_ij,σ²Δt_ij)，其中Δt_ij＝t_i,j-t_i,j-1，故可以得到动量轮的性能退化数据的似然函数L₁(μ,σ)为：

S32、根据退化模型构建动量轮的寿命数据的似然函数，具体步骤为：

将收集到的动量轮寿命数据T表示成如下形式：

T＝{t₁,t₁…t_k…t_L}

上式中，L为寿命数据样本量，t_k为第k个动量轮的寿命。

根据首达时间(First Hitting Time,FHT)的概念定义产品的寿命，即产品的寿命定义为退化过程首次达到失效阈值D_f的时间，表达公式为：

T＝inf{t|Y(t)≥D_f,t≥0}

在本发明实施例中，失效阈值D_f的取值为4.999。

根据维纳过程的性质和退化数据的特点，动量轮的寿命服从逆高斯分布，故寿命T的分布函数F_T为：

上式中，为标准正态分布函数，并令F_T对t求导，得到动量轮的寿命T的概率密度函数f_T(t)：

由维纳过程的性质，推出动量轮的寿命T的概率分布密度函数，进而可以得到动量轮的寿命数据的似然函数L₂(μ,σ)：

S33、通过性能退化数据的似然函数和寿命数据的似然函数的乘积构建联合似然函数L(μ,σ)：

S4、根据联合似然函数对退化模型中的参数进行估计，得到参数估计值，具体包括以下步骤：

S41、对联合似然函数求对数，得到联合对数似然函数ln(L)：

S42、根据联合对数似然函数构建参数方程组，并求解方程组，得到参数估计值。

联合对数函数分别对μ、σ求偏导，并令其等于0，得到以下方程组：

求解该方程组得到μ和σ的估计值和

在本发明实施例中，

S5、构建动量轮的可靠度函数R(t)并根据参数估计值求解可靠度函数，完成动量轮可靠性评估：

代入D_f、和的值，可得：

绘动量轮的可靠度函数图，如图2所示。

从图2可以看出，动量轮的可靠度随时间的增加逐渐减小，在100个月时动量轮可靠度急剧减小，这与工程实际相符合，证明了本发明所提方法的正确性。通过所求得的可靠度函数可以计算动量轮第8年的可靠度为R(96)＝0.9078，而设计要求是动量轮运行8年后的最低可靠度为0.9，评估结果表明该动量轮满足设计要求。

Claims (5)

1.一种基于信息融合的动量轮可靠性评估方法，其特征在于，包括以下步骤：

S1、分析动量轮的性能失效机理，确定动量轮的关键性能退化参数；

S2、采集动量轮的多源信息，根据关键性能退化参数的退化数据信息建立退化模型；

所述动量轮的多源信息包括关键性能退化参数的退化数据信息和寿命数据信息；

S3、根据退化模型构建联合似然函数；

S4、根据联合似然函数对退化模型中的参数进行估计，得到参数估计值；

S5、构建动量轮的可靠度函数并根据参数估计值求解可靠度函数，完成动量轮可靠性评估。

2.根据权利要求1所述的基于信息融合的动量轮可靠性评估方法，其特征在于，所述步骤S1中动量轮的关键性能退化参数为动量轮润滑***的剩余油量。

3.根据权利要求1所述的基于信息融合的动量轮可靠性评估方法，其特征在于，所述步骤S2具体包括以下步骤：

S21、采集动量轮的关键性能退化参数的退化数据信息和寿命数据信息；

S22、分析退化数据，选择合适的退化模型，并构建该退化模型。

4.根据权利要求1所述的基于信息融合的动量轮可靠性评估方法，其特征在于，所述步骤S3具体包括以下步骤：

S31、构建动量轮的性能退化数据的似然函数；

S32、根据退化模型构建动量轮的寿命数据的似然函数；

S33、通过性能退化数据的似然函数和寿命数据的似然函数的乘积构建联合似然函数。

5.根据权利要求1所述的基于信息融合的动量轮可靠性评估方法，其特征在于，所述步骤S4具体包括以下步骤：

S41、对联合似然函数求对数，得到联合对数似然函数；

S42、根据联合对数似然函数构建参数方程组，并求解方程组，得到参数估计值。