基于试验数据和运行数据融合的航天产品再设计方法研究

The redesign is the design improvement after the product runs for a period of time., and a major means for product development and upgrading, also the main mode for the development of aerospace products. This project intends to introduce the performance analysis to product redesign process, through big data analysis, the regulations of product time-varying performance and the intrinsic relations of performances and design parameters have been revealed, so as to identify the design weak links resulting in abnormal performance degradation, the project provides a new design theory for achieving stable and reliable product operation. The contribution of this project lies in: (1) obtain the multi-condition classification through the k-means clustering method and effectively identify the abnormal field data and the product performance degradation under multi-conditions by applying the multi-model technology to construct the combined product performance degradation-model; (2) The importance weight of functional module was determined according to performance requirements and failure hazard degree. Besides, the correlations between abnormal field data and module design parameters were mined. Then, the to-be-improved design parameters were identified according to the importance of function modules and the above correlations; (3) introduce the environmental factors to the test-operational data fusion process with respect to different distributions of performance parameters for the test data and operational data, respectively. By the appropriate environmental factors, the test data within ground environment can be converted to the equivalent data within operational environment. Through the integration of the test data and the operational data, the sample size can be effectively increased, therefor improving the precision of decision analysis.

再设计是产品运行使用一段时间之后的改进设计，是产品开发和更新换代的主要手段，也是航天型号产品研制的主要模式。本项目将性能衰退分析引入到产品再设计过程中，通过大数据分析，揭示产品性能时变规律以及时变性能与设计参数内在关系，从而识别出导致性能异常衰退的设计薄弱环节，为实现产品服役性能稳定可靠提供新的设计理论方法。本项目创新点在于:（1）通过K-均值聚类方法实现多工况划分，应用多模型建模技术构造产品性能衰退联合模型，能有效辨识出多工况下产品性能衰退严重时段以及异常实测数据；（2）依据产品性能要求和故障危害度确定功能模块重要度，挖掘异常实测参数与模块设计参数之间相关度，最终依据重要度和相关度确定需要再设计的关键设计参数；（3）引入环境因子对试验数据和运行数据进行融合，将地面环境下的试验数据转化为运行环境下的等效数据，与运行数据相融合，增加了数据样本容量，提高了再设计决策分析的准确性。

本项目针对复杂产品改进再设计过程中存在着诸多科学问题，对数据采集处理和融合、多工况性能衰退及失效分析、产品关键设计参数与功能模块识别、产品再设计决策与优化等关键技术开展了一系列的理论研究和实际验证工作。. 在多工况下功能模块性能退化分析方面，提出了基于极限学习机模型的运行工况识别方法，消除了工况变动对性能退化评估准确性的影响。采用核主元分析KPCA和高斯混合模型GMM进行功能模块性能退化评估，并基于滑动时间窗进行高斯混合模型更新，提高了模型训练的效率。这一成果对解决复杂变工况环境下的性能衰退分析提供了一种有效的解决方法。. 在基于性能退化分析的关键功能模块识别方面，提出了综合考虑性能退化和故障因果关系的关键功能模块识别方法，将传统只考虑故障因素来决定模块重要度的方法，拓展到性能衰退分析领域，这一成果为现代高可靠低故障率产品的模块重要度分析提供了一种新方法。.在功能模块关键设计参数识别与优化方面，提出了采用改进QFD矩阵和云模型技术识别关键设计参数，可处理参数关联分析过程中的模糊随机混合不确定信息。提出的以最大化提升关键功能模块性能的效用为目标，以设计参数改进设计范围、设计成本、参数取值兼容性等为约束的再设计优化模型，这一成果为产品改进再设计提供了一种新方法。. 在典型产品实证研究方面，项目以某工程机械企业SCC6300大吨位履带式起重机为验证对象，将文章的研究成果应用于其再设计决策过程中。包括大吨位履带起重机模块作业机构的功能结构模型构建、功能模块的性能退化评估、关键功能模块识别和模块参数的取值规划。案例验证了所提的性能数据驱动的再设计关键技术的可行性和有效性。以某风电机组为第二验证个对象，对其工况划分方法、性能衰退退化点识别、健康状态指标构建以及剩余寿命预测等进行了验证。.以上研究工作为解决复杂产品改进再设计提供了重要理论基础，有着较为广泛的应用价值。

内容获取失败，请点击重试