性能退化數據分析的訓練裝備評估范文

本站小編為你精心準備了性能退化數據分析的訓練裝備評估參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

《裝備環境工程雜志》2014年第三期

1基于性能退化數據分析的精度保持性評估

考慮到訓練裝備的精度參數一般有多個項，在評估過程中有必要討論多個精度退化量之間在統計上的相關性問題，此時基于退化軌道的評估方法就失去了效力，因此首先考慮用基于退化量分布的可靠性評估方法來對訓練裝備的精度保持性進行評估。當前基于多性能參數退化量分布的可靠性建模主要針對特殊分布，即假定多個性能參數退化數據的聯合分布屬于聯合正態分布等特殊分布。因此，可以通過每個參數的分布參數以及參數之間的相關系數得到聯合分布參數。該方法對參數的分布要求比較嚴格，現實中很多設備系統無法滿足特殊分布這一假設前提。另外，隨著所選擇性能參數數量的增多，聯合分布函數求解難度增大，甚至不可解。

考慮基于退化軌道的處理方法，通過變換實現其對多參數問題的處理。一種可行的思路是引入權重的概念，通過計算加權平均來化多元為一元，從而將多元退化的問題化歸到一元退化量的情況上來處理。該思路的本質是通過加權平均來化多元為一元，從而將處理的問題化歸到可以采用退化軌道分析方法。在針對訓練裝備的精度保持性評估中，設備綜合精度指數的概念為計算平均影響水平提供了一種簡便方法。設備綜合精度指數T是設備維護工程當中的一個概念，主要用以描述設備目前的健康狀態，尤其是各項精度參數的平均劣化程度，可以作為確定訓練裝備修理類別的參數。設備綜合精度指數的計算公式為:式中:T為裝備綜合精度指數;n為實測項目個數;Tip為訓練裝備精度的實測值;Tis為訓練裝備精度的允許值。在訓練裝備的維修體系中，一般把T≤0．5為新裝備驗收條件之一。T≤1為大修理、重點修理后的驗收條件，1＜T＜2仍可繼續使用，但需注意調整;2＜T＜2．5時，裝備需進行重點修理或大修理;T＞3時，裝備需進行大修理或更新。

由于訓練裝備的精度衰退周期長，測試成本高，因此進行連續監測的成本很高。在實踐中一般采取定期檢測的方法，這樣得到的退化數據通常為小樣本。基于統計學習理論的支持向量機(SVM)是一種以結構風險最小化原理為基礎的新型機器學習算法，具有其他以經驗風險最小化原理為基礎的機器學習算法難以比擬的優越性，可以用來處理小樣本問題。基于支持向量機的裝備綜合精度保持性評估流程為:1)收集n臺同型號訓練裝備在時間t1，t2，…，ti的性能退化數據;2)分別計算n臺訓練裝備在時刻ti裝備綜合精度指數Tn;3)使用支持向量機擬合出Tn與時間t之間的回歸關系，得到退化軌道模型;4)將失效閾值Df作為SVM的輸入，根據求得的退化軌道模型，外推求出各個樣本的失效壽命T''''1，T''''2，…，T''''i。

2具體算例與精度分析

跟蹤監測了某單位4臺同型號訓練裝備使用1年過程中精度的退化情況，并計算出每個監測時刻訓練裝備的綜合精度指數，得到的退化數據見表1。1)將表1中的退化數據作為輸入，使用LS-svmlab工具箱進行演算，獲得裝備綜合精度指數T與檢測時間t的回歸關系，4臺訓練裝備的的退化軌跡如圖2所示。2)將失效閾值Df作為LS-svmlab的輸入，根據第1步得到的回歸關系，外推求出各個樣本的失效壽命，即表1中的最后一列。4臺訓練裝備的壽命分別為:786．2，735．5，768．4，675．6d。3)利用平均絕對誤差與均方根誤差對預測結果進行精度分析，計算公式如式(2)，(3)所示。由表2可看出，平均絕對誤差與均方根誤差都相對較小，說明該評估方法具有一定的準確性與穩定性，能夠對訓練裝備的保障與維護提供一種確實有效的借鑒。

3結語

綜上所述，本文提出一種訓練裝備精度退化數據分析方法，將支持向量機應用于訓練裝備的裝備綜合精度指數的數據擬合中，得到精度指數與時間的回歸模型，并預測訓練裝備失效的壽命值，以此為基礎評估訓練裝備的精度保持性。

作者：丁少娜馮誠陳毓申江江劉媛媛單位：中國人民解放軍92724部隊