(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110541594.7 (22)申请日 2021.05.18 (65)同一申请的已公布的文献号 申请公布号 CN 113515811 A (43)申请公布日 2021.10.19 (73)专利权人 中国航空工业 集团公司上海航空 测控技术研究所 地址 201601 上海市松江区泗泾镇 三祥路 188号 (72)发明人 张尚田　王景霖　单添敏　曹亮　 徐智　刘莹　沈勇　 (74)专利代理 机构 上海和跃知识产权代理事务 所(普通合伙) 31239 代理人 杨慧 (51)Int.Cl. G06F 30/15(2020.01) G06F 30/25(2020.01) G06F 30/27(2020.01) G01R 31/40(2014.01) H02M 3/335(2006.01)H02M 7/5387(2007.01) G06F 119/02(2020.01) (56)对比文件 CN 109961184 A,2019.07.02 CN 112327200 A,2021.02.0 5 胡金宝.基 于机器学习的IGBT 多参数性能退 化预测方法研究. 《中国优秀硕士学位 论文全文 数据库 (信息科技 辑)》 .2021, 杨媛媛.电力电子电路参数辨识与故障预测 方法研究. 《中国优秀硕士学位 论文全文数据库 （信息科技 辑） 》 .201 1, 傅建平.基 于无迹粒子滤波的锂离 子电池剩 余循环寿 命预测研究. 《万方数据知识服 务平 台》 .2017, Jinli Zhang 等.A remai ning useful life predicti on method of IGBT based o n online status data. 《Microelectro nics Reliability》 .2021, 戴忱.DC-AC逆变器系统有限时间控制方法 研究. 《万方数据知识服 务平台》 .2019, 审查员 王孜琦 (54)发明名称 一种航空DC -AC逆变器退化趋势预测方法 (57)摘要 本发明公开了一种航空DC ‑AC逆变器退化趋 势预测方法， 根据DC ‑AC逆变器的退化趋势将DC ‑ AC逆变器的工作环境划分若干种工况条件， 设置 各工况条件 下的采样时刻， 并提取各个时刻各观 测点的健康特征参数； 把各个观测点的健康表征 矢量进行归一化并计算各观测点在标准工况条 件下的健康表征矢量与当前电路健康表征矢量 之间的马氏距离， 得到各观测点的健康状态评估 指标； 根据健康评估指标来建立健康状态退化趋 势预测算法。 本发明不仅有效地预防航空DC ‑AC 逆变器故障的发生， 还及时地为用户提供相关的 状态信息， 提高了维护效率， 最终提高了飞机的安全性能。 权利要求书2页 说明书9页 附图8页 CN 113515811 B 2022.04.05 CN 113515811 B 1.一种航空DC ‑AC逆变器退化趋势预测方法， 包 含以下步骤： 步骤一： 根据DC ‑AC逆变器的退化趋势将DC ‑AC逆变器的工作环境划分若干种工况条 件， 设置各工况条件下 的采样时刻， 并提取各工况条件下各个时刻各观测点的健康特征参 数； 其中， 初始工况为标准工况， 其 余工况为非标准工况； 步骤二： 把各个观测点的健康表征矢量进行归一化并计算各观测点在标准工况条件下 的健康表征矢量与当前电路健康表征矢量之间的马氏距离， 得到各观测点的健康状态评估 指标HI； 其中， 健康 表征矢量是根据当前时刻的观测点的健康 表征参数与当前工况组成； 标准工况 条件下， 标准 化健康表征参数： 其中， Zef为标准化后的健康表征参数， p为到当前时刻提取到的某观测点的健康特征参 数的数量， m为观测点的总数； 其中， zfT＝[z1f,z2f,…,zpf]， C为协方差矩阵， 为样本的均值， Se为标准差； 通过计算 标准工况下的无故障D C‑AC逆变器健康表征矢量与当前逆变器电路健康表征矢量之间的马 氏距离度量如式(4)所示： 用反正切函数进行归一 化处理得到健康状态评估指标： 其中， HIf为健康状态评估指标， b为调节参数； 步骤三： 根据步骤二得到的各时刻点的健康评估指标HI数据来建立健康状态退化趋势 预测算法， 步骤如下： 步骤①： 基于各时刻点的健康评估指标HI训练LSSVM建立多阶状态转移方程模型， 得到 系统状态空间模型如式(6)； 其中， uk‑1为系统噪声， vk为观测噪声， gk()由LSSVM训练得到， τ 为阶数； 步骤②： 生成初始粒子xi k‑1,…,xi k‑τ， i＝1,2,…,Ns,Ns为粒子数； 步骤③： 用初始粒子更新式(6)得到 权　利　要　求　书 1/2 页 2 CN 113515811 B 2步骤④： 由 计算 τ个时刻Ns个粒子的权 重； 步骤⑤： 按照各粒子权值大小排序， 选取权值大的Np个粒子； 步骤⑥： 归一化权值， 步骤⑦： 估计k时刻的状态xk*， 步骤⑧： q步前向预测， 步骤⑨： 粒子重采样、 粒子更新； 步骤⑩： 令k＝k+1， 返回步骤 ③。 2.根据权利要求1所述的一种航空DC ‑AC逆变器退化趋势预测方法， 其特征在于所述健 康特征参数通过以下步骤获得： 步骤A： 在DC ‑AC逆变器上设置多个观测点进行信号采集， 利用特征提取技术提取特征 并组成候选故障特 征库； 步骤B： 利用加权指标参数优选模型从候选故障特征库里选择DC ‑AC逆变器各观测点的 健康表征参数。 3.根据权利要求1所述的一种航空DC ‑AC逆变器退化趋势预测方法， 其特征在于还包 含： 步骤四： 根据健康状态退化趋势预测算法的预测效果对健康状态退化趋势预测算法中 的参数进行调整。权　利　要　求　书 2/2 页 3 CN 113515811 B 3