(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111005185.1 (22)申请日 2021.08.3 0 (71)申请人 中国运载火箭 技术研究院 地址 100076 北京市丰台区南大红门路1号 (72)发明人 张恒浩　申麟　王书廷　高朝辉　 张展智　徐振亮　刘丙利　唐琼　 张霞　王小锭　刘岱　 (74)专利代理 机构 中国航天科技专利中心 11009 代理人 徐晓艳 (51)Int.Cl. G06F 30/27(2020.01) G06F 119/02(2020.01) (54)发明名称 上面级开放式电气智能健康监测与管理系 统 (57)摘要 本发明设计一种上面级开放式电气智能健 康监测与管 理系统， 以上面级电气系统故障诊断 及预测评估等健康管理需求为目标。 在对上面级 电气系统工作原理进行分析的基础上， 通过电气 系统故障机理分析， 梳理典型故障模式与故障表 征。 针对上面级电气系统的故障诊断与预测评估 需求， 开展电气系统快速故障诊断、 故障预测等 算法研究与验证， 为上面级电气系统健康监测提 供功能实现提供技 术支持。 权利要求书2页 说明书12页 附图2页 CN 113919207 A 2022.01.11 CN 113919207 A 1.一种上面级开放式电气智能健康监测与 管理系统， 其特征在于包括健康状态数据采 集子系统、 上面级健康管理子系统和地 面健康管理子系统； 健康状态数据采集子系统， 对电气系统中各设备健康状态数据进行数据转换、 时间同 步之后发送至上面级健康管理子系统， 所述设备健康状态数据包括传感器采集的设备运行 状态数据和电气系统控制解算数据， 设备运行状态数据包括温度、 压力、 位移、 应变、 电压电 流、 磁场强度； 上面级健康管理子系统， 将电气系统中各设备健康状态数据存储至上面级数据库； 对 电气系统中的单机 设备进行BIT测试； 根据电气系统中各设备的健康状态数据和BIT测试结 果， 采用推理机 分别对每个单机 设备进行故障诊断与隔离， 同时将各单机 设备的BIT测试结 果和获取的电气系统中各设备健康状态数据发送给地 面健康管理子系统； 地面健康管理子系统， 将电气系统中各设备的健康状态数据和BIT测试结果存储； 根据 电气系统中各设备的健康状态数据和BIT测试结果， 采用智能诊断算法， 对飞行过程的电气 系统的健康状态进行综合分析和二次诊断， 实现故障精确检测和定位， 给出电气系统整体 健康状态信息 。 2.根据权利要求1所述的一种上面级开放式电气智能健康监测与管理系统， 其特征在 于上面级电气系统包括控制设备、 导 航制导设备、 测量 通信设备、 供配电设备； 对于控制设备和导航制导设备， 地面健康管理子系统采用基于隐马尔科夫模型的故障 诊断算法进行故障诊断； 对于测量通信设备， 地面健康管理子系统采用基于信号处理的故障诊断算法进行故障 诊断； 对于供配电设备， 采用基于高斯混合模型的故障诊断算法进行故障诊断。 3.根据权利要求2所述的一种上面级开放式电气智能健康监测与管理系统， 其特征在 于基于隐马尔科 夫模型的故障诊断算法步骤如下： S1.1、 对控制设备和导航制导设备获取的健康状态数据进行数据标准化处理， 即将所 有的数据处 理为统一的数据格式； S1.2、 将经过标准化处理之后的健康状态数据采用指数移动平均平滑法进行平滑处 理； S1.3、 对平滑处理之后的健康状态数据， 选用PCA主成分分析法进行特征提取， 得到PCA 降维后的特 征参数集； S1.4、 将PCA降维后的特征参数集， 进行阈值判断的方法， 对控制设备和导航制导设备 进行初始判断， 预估 出控制设备和导航制导设备的健康状态， 所述预估健康状态包括三种： 正常工作状态、 控制设备发生故障、 控制设备发生故障； S1.5、 控制设备和导航制导设备的健康状态预估结果， 将PCA降维后的特征参数集送入 到不同健康状态下 的隐马尔可夫模型中， 得出当前状态下可能的健康状态， 完成健康状态 评估。 所述不同健康状态下的隐马尔可夫模型库包括正常工作状态下的隐马尔可夫模型库、 控制设备发生故障后的隐马尔可夫模型库、 导航制导设备发生故障后的隐马尔可夫模型 库。 4.根据权利要求2所述的一种上面级开放式电气智能健康监测与管理系统， 其特征在权　利　要　求　书 1/2 页 2 CN 113919207 A 2于所述基于信号处 理的故障诊断算法是指时间 ‑频率分析法。 5.根据权利要求2所述的一种上面级开放式电气智能健康监测与管理系统， 其特征在 于基于高斯混合模型的故障诊断及健康评估算法包括如下步骤： S2.1、 获取供配电设备的退化敏感参数， 所述退化敏感参数包括电源的最大放电容量、 截止电压； S2.2、 对供配电设备的退化敏感参数进行平 滑降噪和归一 化处理； S2.3、 以当前归一化处理之后的退化敏感参数作为数据样本， 建立的第一GMM模型， 计 算第一GMM模型与采用正常状态下的退化敏感参数作为数据样本建立的第二GMM模型之间 的重叠度； S2.4、 对第一GMM模型与第二GMM模型的重叠度进行归一化， 将重叠度映射至0 ‑1区间， 得到供配电设备的健康度； S2.5、 由健康度评估供配电设备的健康状态， 健康度值越接于1表明供配电设备越健 康， 健康值越接 近0表明供配电设备越不 健康。 6.根据权利要求5所述的一种上面级开放式电气智能健康监测与管理系统， 其特征在 于所述步骤S2中的平滑降噪步骤包括： 采用莱特准则、 奈尔准则或者格拉布斯准则统计准 则指标， 对原始数据中的野值点进行剔除， 或者采用五点光滑法、 线性抹角法、 正轴抛物线 加权平均法、 斜轴 抛物线加权平均法、 局部加权回归散点平滑法方法对退化敏感参数进行 平滑降噪， 去除数据中包 含的噪声或者干扰。 7.根据权利要求1所述的一种上面级开放式电气智能健康监测与管理系统， 其特征在 于所述智能诊断算法还 包括多信号模型故障诊断算法。权　利　要　求　书 2/2 页 3 CN 113919207 A 3