基于双层置信规则库的高速列车通信网络健康状态预测方法研究

Health status prediction is the key problem in health management for complex system. In this fund, the high-speed train communication network is chosen as the background and the health status prediction method based on semi-quantitative knowledge is researched. The existing health status prediction methods are mainly based on analytical model or a large amount of quantitative data, which can not effectively deal with the small-scale sample problem with massive amounts of monitoring data and poor failure data in a high reliability and multiple loading conditions complex system. In theory： 1) A double-layer belief rule base (DL-BRB) model is proposed to predict the health status based on expert knowledge and some quantitative data. In the proposed model, the external environmental factors are considered to predict the health status for complex system, which is a hidden behavior of system. 2) A joint optimization algorithm for the structure and parameters is proposed to establish a compact model with the maximum accuracy. 3) Considering the reliability of observation information, a more practical health status prediction model is further proposed. Moreover, the testing data of CRH-5 communication network is taken to the DL-BRB model to verify the effectiveness, which can improve the safety and reliability of high-speed train communication network.

健康状态预测是复杂系统健康管理的核心问题。本项目以高速列车通信网络为背景，研究基于半定量信息的复杂系统健康状态预测方法。现有的健康状态预测研究多利用系统的解析模型或大量定量数据实现系统健康状态预测，无法有效解决现阶段高可靠性、多工况的复杂系统监测数据海量、失效数据贫乏的小样本问题。鉴于此，在理论上：1）提出基于双层置信规则库（DL-BRB）健康状态预测方法，研究利用专家定性知识及部分定量数据建立可描述外界环境因素影响的健康状态预测模型；2）提出DL-BRB健康状态预测模型结构与参数联合优化方法，在确保预测精度的基础上，建立结构紧凑的DL-BRB健康状态预测模型；3）基于DL-BRB模型，提出考虑观测信息可靠性的健康状态预测方法，提高模型的实际应用价值。在工程上，利用CRH5型高速列车通信网络关键系统测试信息对DL-BRB健康状态预测模型进行验证，为提高高速列车通信网络安全性及可靠性服务。

健康状态预测是复杂机电系统健康管理的核心问题之一。对复杂机电系统进行健康状态预测，对降低其维护成本，提高系统的安全性和可靠性有广泛的应用价值。.在本项目的支持下，理论上，围绕高可靠性、多工况的复杂机电系统监测数据海量、失效数据贫乏的小样本问题，基于半定量信息提出了复杂机电系统健康状态预测系列方法：提出并建立了基于双层置信规则库（belief rule base，BRB）的复杂机电系统健康状态预测模型，解决了小样本情况下复杂机电系统的健康状态预测问题，具有良好的预测效果；建立了一种基于置信规则库和隶属度函数（BRB-MF）的健康状态预测模型，实现了对健康状态等级的模糊评价，解决了当健康状态处于“临界处”时的描述问题；建立了变工况条件下复杂机电系统健康状态预测模型，结合时域特征分析建立多个BRB模型，并利用模糊C均值算法进行模型参数的确定，解决了工况切换下健康状态预测建模问题和专家定性知识具有不确定性的问题；提出了考虑监测误差的融合多特征量的复杂机电系统健康状态预测方法，解决了由于环境和传感器性能退化影响监测数据存在误差的问题；提出了融合并-串行置信规则库的分层置信规则库模型，实现了置信规则库参数与结构的联合优化，减小了建模复杂度，解决了单个置信规则库模型复杂度高、运行时间长的问题。工程上，项目理论研究成果在高速列车通信网络、走行部、车厢LED照明系统的健康状态预测和航空发动机气路系统的健康状态评估及预测中得到验证。.在基金的支持下，待出版科学出版社专著1部，发表及录用学术论文15篇；授权发明专利1件、实用新型专利1件、软件著作权5件，申请发明专利7件；获得吉林省科技进步二等奖3项、陕西高等学校科学技术奖一等奖1项，中国专利优秀奖1项，吉林省专利金奖1项；培养硕士研究生4名。项目完成了预期的研究任务。