基于虚拟现实技术的复杂机电系统故障预报与最优维护研究

Fault prediction and optimal maintenance are the key problems of complex mechatronic systems. Current methods can not effectively use quantitative data and qualitative knowledge to solve the problems for online fault prediction and optimal maintenance. Thus, the aero-engine is chosen as the object in this fund and the following problems are studied: 1)Based on the virtual reality technology，a method is proposed to determine the key weaknesses of complex mechatronic systems. Thus the characteristic variables related to the key weaknesses can be obtained; 2)Based on the quantitative data and qualitative knowledge of characteristic variables, a method for online fault prediction of complex mechatronic systems is proposed; 3)Based on online fault prediction, the model for optimal maintenance is established for a type of complex mechatronic systems such as aero-engine, which can be used to determine the optimal time instant for maintenance of complex mechatronic systems; 4)The proposed fault prediction and optimal maintenance methods are verified by using the real monitoring data from the army and civil aviation,which can improve the reliabilty of complex mechatronic systems, determine the optimal instant for maintenance and prolong its useful life. This research project has theoretical significance, which can reduce the mainteance cost and improve the safety and reliability of complex mechatronic systems.

故障预报与最优维护是复杂机电系统健康管理的核心问题。已有方法不能有效综合利用表征复杂机电系统性能的多个特征变量的定量测试数据和定性知识，解决其在线故障预报和最优维护问题。鉴于此，本项目以航空发动机为对象，主要研究：1)基于虚拟现实技术的复杂机电系统建模及关键薄弱环节确定方法，得到与关键薄弱环节对应的特征变量；2)基于多特征变量定量测试数据和定性知识的复杂机电系统在线故障预报方法；3)基于在线故障预报结果，建立以航空发动机为代表的一类复杂机电系统维护模型，确定对其进行维护的最佳时机；4)利用从部队、民航获得的真实监测数据对所提出的在线故障预报和最优维护算法进行验证，可为提高复杂机电系统的可靠性，确定其最佳维护时机和延长使用寿命提供决策依据。项目的研究具有重要的理论意义，对降低复杂机电系统的维护成本，提高复杂机电系统的安全性和可靠性有广泛的应用价值。

对复杂机电系统进行故障预报与最优维护，对降低复杂机电系统的维护成本，提高复杂机电系统的安全性和可靠性有广泛的应用价值。.申请人于2013年获得了国家自然科学基金面上项目的支持，在本项目的支持下，理论上，系统深入的研究了基于虚拟现实技术的复杂机电系统特征量提取方法，进一步研究了基于多特征量的复杂机电系统故障诊断及预报方法，提出了基于灰色关联度及协同模式识别的航空发动机气路故障诊断方法以及基于半定量信息的故障预报方法，建立了基于置信规则库（belief rule base，BRB）的复杂机电系统故障预报新模型；基于半定量信息，研究了复杂机电系统的健康管理及最优维护方法，提出了基于双层BRB复杂机电系统健康预测方法，为提高在实际工程系统中的健康预测精度，提出了考虑特征量监测误差的复杂机电系统健康预测模型，研究了存在环境影响和安全性约束的复杂机电系统最优维护方法。工程上，项目理论研究成果主要应用于航空发动机的故障预报及健康管理，同时，在轨道车辆车厢LED照明系统、数控机床以及汽车零部件生产线的故障诊断与预报、安全生产管理中得到成功应用，提高了复杂机电系统的安全性和可靠性，降低了系统维护成本。.在基金的支持下，在科学出版社出版专著2部，发表及录用学术论文34篇，其中项目负责人以第一作者及通信作者在IEEE Transactions on Systems, Man, and Cybernetics: Systems、IEEE Access、Applied Soft Computing和自动化学报等国内外知名期刊上发表论文12篇；授权发明专利2项，授权软件著作权2项，申请发明专利5项；获得中国电子学会科技进步二等奖1项（项目负责人排名第一），吉林省安全生产科技成果一等奖1项（项目负责人排名第一），长春市科技进步一等奖1项（项目负责人排名第一）；培养博士研究生1名，硕士研究生5名，其中1名研究生获得2015年吉林省优秀硕士学位论文。超额完成了预期的研究任务。