基于改进GWO–SVR算法的锂电池剩余寿命预测

锂离子电池性能优越,已在B787等机型上得到应用.锂离子电池性能随着使用次数增加而衰退,准确预测锂电池剩余使用寿命从而及时维护/更换,对航班安全飞行具有重要意义.面向锂离子电池剩余寿命预测问题,本文采用容量增量分析等方法提取特征,基于灰色关联分析计算特征与电池容量的关联程度并筛选特征,提出一种基于改进灰狼优化算法(Improved grey wolf optimization, IGWO)和支持向量回归(Support vector regression, SVR)的锂离子电池剩余寿命预测方法.作为近年研究热点的灰狼优化(Grey wolf optimization, GWO)算法寻优性能出色,但是在应用中容易陷入局部最优.针对此问题,IGWO对GWO算法中的位置更新方程进行优化,对狼群中的个体添加了记忆与飞行功能,增强了算法全局搜索和收敛能力;同时基于Skew Tent映射产生混沌序列,优化狼群初始位置分布.基于标准测试函数对比GWO和IGWO算法的寻优能力,结果表明IGWO算法的收敛速度和寻优效果更好,能够避开GWO陷入的局部最优,在部分测试函数上将寻优精度提升了几十个数量级;基于NASA锂离子电池数据集开展IGWO–SVR、GWO–SVR和SVR的剩余寿命预测能力对比实验,结果证明IGWO–SVR能够有效提高预测精度,与GWO–SVR相比预测均方根误差值降低了10%以上.

基于改进FMECA的多电飞机起动/发电系统风险评估

针对现有故障模式影响与危害度分析(Fault Modes Effects and Criticality Analysis,FMECA)主观性较强、评估结果不够准确的缺陷,提出一种改进FMECA风险评估方法。该方法采用Kendall协调系数对专家打分进行一致性分析与权重分配,利用基于马氏距离的逼近理想解排序法(Technique for Order Preference by Similarity to Ideal Solution,TOPSIS)进行故障模式风险等级排序。在详细分析多电飞机起动/发电系统故障模式及其发生概率、故障发生严酷度和可探测度的基础上,解算了专家评判数据的权重,开展了风险等级排序研究。以多电飞机起动/发电系统故障模式为研究对象,进一步采用基于加权相对贴近度的不确定性量化方法,对改进FMECA方法与现有FMECA、模糊FMECA方法进行了比较研究,结果表明改进FMECA方法的不确定性量化指标降低幅度较大,可以获得较好的风险评估结果。

基于STPA的SSPC不安全控制行为识别与验证

固态功率控制器是飞机配电系统的重要组成部分,是固态配电的核心,需要在系统研制过程中进行完善的风险识别与安全性分析。当今使用较多的方法如故障树分析等主要基于部件独立性计算系统失效率,但针对组件之间非线性交互带来的安全性问题的研究较少。为此以固态功率控制器为对象,应用STPA方法识别不安全控制行为,利用UPPAAL工具建立形式化模型并对不安全控制行为进行验证,基于过程模型识别危害场景并进行形式化验证,形成更详细的SSPC安全控制约束清单。结果表明,方法可以有效识别出SSPC组件交互不当产生的安全性问题。