韓曉霞　高延子　胡冠宇

摘要：針對(duì)空調(diào)機(jī)組健康狀態(tài)評(píng)估中指標(biāo)信息利用不充分的問題，提出了一種考慮證據(jù)相關(guān)性的健康狀態(tài)評(píng)估方法。首先，構(gòu)建了JDFX型空調(diào)機(jī)組健康狀態(tài)評(píng)估指標(biāo)體系。其次，依據(jù)證據(jù)推理理論，給出了考慮證據(jù)相關(guān)的證據(jù)推理規(guī)則，構(gòu)建了JDFX型空調(diào)機(jī)組健康狀態(tài)評(píng)估模型，以獲取空調(diào)機(jī)組的綜合健康水平。最后，通過算例對(duì)6套JDFX型空調(diào)機(jī)組的健康狀態(tài)進(jìn)行了評(píng)估，給出了健康水平的排序結(jié)果。結(jié)果表明，相比于傳統(tǒng)的層次分析法，所提方法能夠更有效地利用健康指標(biāo)信息和專家知識(shí)對(duì)空調(diào)機(jī)組進(jìn)行健康狀態(tài)評(píng)估，結(jié)果更合理可信。

關(guān)鍵詞：控制理論;健康管理;空調(diào)機(jī)組;證據(jù)推理規(guī)則;健康狀態(tài)評(píng)估;層次分析法

DOI：10.15938/j.jhust.2022.02.013

中圖分類號(hào)： TU831.3

文獻(xiàn)標(biāo)志碼： A

文章編號(hào)： 1007-2683（2022）02-0099-07

Health State Evaluation of Air Conditioning Units Considering Evidence Correlation

HAN Xiao-xia GAO Yan-zi HU Guan-yu

（1.Rocket Force University of Engineering， Combat Support Institute， Xi’an 710025， China;

2.University of Science and Technology Beijing， Institute of Advanced Materials and Technology， Beijing， 10083， China;

3.Guilin University of Electronic Technology， School of Computer Science and Information Security， Guilin 541004， China）

Abstract：Aiming at the problems of insufficient utilization of index information in the health state evaluation of air conditioner set， a health state evaluation method considering evidence correlation is proposed. Firstly， the health state evaluation index system of JDFX-type air conditioner set is constructed. Secondly， according to the evidence theory， an evidential reasoning （ER） rule considering evidence correlation is given. The health state evaluation model of JDFX-type air conditioner set is established to obtain the comprehensive health level of air conditioner set. Finally， the health states of six JDFX-type air conditioner sets are evaluated through the numerical example， and the ranking results of health levels are given. The results show that， compared with the traditional analytic hierarchy process， the proposed method can use the health index information and expert knowledge more effectively to evaluate the health state of air conditioner set， and the results are more reasonable and convincing.

Keywords：control theory; health management; air conditioner set; evidential reasoning rule; health state evaluation; analytic hierarchy process

0引言

隨著信息化技術(shù)和制造業(yè)的深入發(fā)展，空調(diào)機(jī)組在橋載設(shè)備中得到了廣泛的應(yīng)用。然而，受不同環(huán)境因素的影響，空調(diào)機(jī)組的健康狀態(tài)也會(huì)逐漸惡化，甚至發(fā)生故障，引發(fā)安全事故，造成嚴(yán)重?fù)p失。因此，如何對(duì)空調(diào)機(jī)組進(jìn)行有效的健康狀態(tài)評(píng)估，及時(shí)掌握其健康狀態(tài)，已成為了廣大航空公司和機(jī)場(chǎng)亟待解決的問題之一。

按照所采用的評(píng)估信息類型，現(xiàn)有的健康狀態(tài)評(píng)估方法可分為三類[1-3]。一是基于定性知識(shí)的方法，代表性的有Petri網(wǎng)、專家打分法等;二是基于定量數(shù)據(jù)的方法，代表性的有主成分分析（principal component analysis， PCA）、人工神經(jīng)網(wǎng)絡(luò)（artificial neural network， ANN）等;三是基于混合信息的方法，代表性的有模糊綜合評(píng)判（fuzzy comprehensive evaluation， FCE）、層次分析法（analytic hierarchy process， AHP）、置信規(guī)則庫（belief rule base， BRB）、證據(jù)推理（evidential reasoning， ER）等。

Wang等[4]提出了一種基于模糊AHP的航空發(fā)動(dòng)機(jī)健康狀態(tài)評(píng)估模型，對(duì)中國(guó)航空股份有限公司的10個(gè)初始商用航空發(fā)動(dòng)機(jī)的健康狀態(tài)進(jìn)行了有效評(píng)估。Hamed和Mohammad[5]提出了一種基于隨機(jī)Petri網(wǎng)的網(wǎng)絡(luò)物理系統(tǒng)健康狀態(tài)評(píng)估模型，為改進(jìn)網(wǎng)絡(luò)物理系統(tǒng)的安全對(duì)策提供了有效方法。范劍鋒等人[6]在有限元分析的基礎(chǔ)上構(gòu)建ANN模型，實(shí)現(xiàn)了橋梁健康狀態(tài)的準(zhǔn)確評(píng)估。周靖楠等[7]提出PCA方法對(duì)評(píng)估指標(biāo)進(jìn)行降維，對(duì)太湖周邊6條河流進(jìn)行健康狀態(tài)評(píng)估，具有較好的工程實(shí)用性。李書明等[8]利用FCE方法的思想，對(duì)飛機(jī)空調(diào)系統(tǒng)的各子系統(tǒng)進(jìn)行健康狀態(tài)評(píng)估，進(jìn)一步采用模糊優(yōu)先規(guī)劃法、逼近于理想解法等得到了空調(diào)系統(tǒng)的整體健康狀況。Dong等[9]提出了一種基于ER的電機(jī)組健康狀態(tài)評(píng)估方法，在參數(shù)、組件和系統(tǒng)層面都獲得了良好的健康狀態(tài)評(píng)估性能。Yin等[10]基于BRB建立數(shù)控機(jī)床的健康狀態(tài)評(píng)估模型，綜合利用混合信息對(duì)其健康狀態(tài)進(jìn)行評(píng)估，提高了評(píng)估的準(zhǔn)確性和實(shí)時(shí)性。

上述方法在實(shí)際應(yīng)用中均取得了較好效果，但工程中對(duì)空調(diào)機(jī)組進(jìn)行健康狀態(tài)評(píng)估的研究仍然較為缺乏。ER規(guī)則是一種有效處理評(píng)估與決策類問題的典型方法，最初是在2013年由Yang和Xu提出[11]，并被廣泛應(yīng)用于信息融合、多屬性決策、模式識(shí)別等領(lǐng)域[12]。然而，目前尚未有研究將ER規(guī)則應(yīng)用于空調(diào)機(jī)組的健康狀態(tài)評(píng)估，且在ER規(guī)則中均假設(shè)證據(jù)是相互獨(dú)立的，這在工程實(shí)際中往往不容易滿足。因此，有必要提出一種考慮證據(jù)相關(guān)的ER規(guī)則以對(duì)空調(diào)機(jī)組進(jìn)行健康狀態(tài)評(píng)估，進(jìn)而根據(jù)綜合健康水平對(duì)空調(diào)機(jī)組進(jìn)行檢修，從工程意義而言可以降低空調(diào)機(jī)組的故障率。

考慮到ER規(guī)則在處理各類不確定性方面的優(yōu)勢(shì)，本文采用多源信息融合的思想，以JDFX型空調(diào)機(jī)組為例，構(gòu)建其健康狀態(tài)評(píng)估指標(biāo)體系，提出一種基于證據(jù)相關(guān)的ER規(guī)則的空調(diào)機(jī)組健康狀態(tài)評(píng)估模型，為該型空調(diào)機(jī)組的健康管理和維修決策提供技術(shù)支持。

1空調(diào)機(jī)組健康狀態(tài)評(píng)估方法確立

1.1評(píng)估指標(biāo)體系的確立

為了對(duì)空調(diào)機(jī)組的健康狀態(tài)進(jìn)行更有效的評(píng)估，本文從JDFX型空調(diào)機(jī)組的工況測(cè)試指標(biāo)出發(fā)，構(gòu)建其健康狀態(tài)評(píng)估指標(biāo)體系。根據(jù)文[13]，建立評(píng)估指標(biāo)體系如圖1所示。

在圖1中，M表示JDFX型空調(diào)機(jī)組;e表示第i個(gè)健康指標(biāo)，其中i=1，…，10。

1.2基于證據(jù)相關(guān)的ER規(guī)則的JDFX型空調(diào)機(jī)組健康狀態(tài)評(píng)估模型

類似地，6套JDFX型空調(diào)機(jī)組的健康狀態(tài)評(píng)估結(jié)果均可獲得，受篇幅限制，此處不展示。假設(shè)評(píng)估等級(jí)“健康”、“亞健康”、“一般”和“不健康”對(duì)應(yīng)的的效用分別為1，2/3，1/3，0。根據(jù)式（15）可得，6套JDFX型空調(diào)機(jī)組的綜合健康水平如圖4所示。

根據(jù)圖4可知，在10個(gè)不同的時(shí)刻：

①機(jī)組1的綜合健康水平為0.3590～0.6765;

②機(jī)組2的綜合健康水平為0.3710～0.6023;

③機(jī)組3的綜合健康水平為0.3344～0.6707;

④機(jī)組4的綜合健康水平為0.2922～0.5816;

⑤機(jī)組5的綜合健康水平為0.3785～0.6606;

⑥機(jī)組6的綜合健康水平為0.3782～0.5754。

經(jīng)過平均計(jì)算，各空調(diào)機(jī)組的綜合健康水平分別為0.5498，?0.4629，?0.5020，?0.4579，?0.5069，?0.4981，空調(diào)機(jī)組的總體健康水平偏中等。那么可以判定，6套空調(diào)機(jī)組的健康水平排序結(jié)果為：機(jī)組1>機(jī)組5>機(jī)組3>機(jī)組6>機(jī)組2>機(jī)組4。從工程意義而言，該排序結(jié)果可以提供空調(diào)機(jī)組維修決策支持，技術(shù)人員按照空調(diào)機(jī)組的綜合健康水平安排檢修，可有效降低空調(diào)的故障率。同時(shí)，評(píng)估結(jié)果使技術(shù)人員無需掌握每一套空調(diào)機(jī)組的真實(shí)健康狀態(tài)驗(yàn)證模型，克服了因空調(diào)機(jī)組的真實(shí)健康狀態(tài)不清楚而無法及時(shí)做出決策等不足。

3對(duì)比分析

為了說明所提方法的有效性，本節(jié)采用AHP方法對(duì)空調(diào)機(jī)組進(jìn)行健康狀態(tài)評(píng)估，根據(jù)專家經(jīng)驗(yàn)，針對(duì)10個(gè)健康指標(biāo)給出如下判斷矩陣：

上述結(jié)果表明，空調(diào)機(jī)組的健康狀態(tài)相對(duì)于等級(jí)“健康”的置信度為0.3061，相對(duì)于等級(jí)“亞健康”的置信度為0.2686，相對(duì)于等級(jí)“一般”的置信度為0.2314，相對(duì)于等級(jí)“不健康”的置信度為0.1939。因此，根據(jù)AHP方法可得空調(diào)機(jī)組的健康狀態(tài)為“健康”。然而，AHP方法所得評(píng)估結(jié)果不具有一般性，它無法衡量不同機(jī)組在不同時(shí)刻的健康狀態(tài)，評(píng)估模式為靜態(tài)評(píng)估，與圖3不符。究其原因，在AHP方法中，專家根據(jù)個(gè)人經(jīng)驗(yàn)和知識(shí)，對(duì)健康指標(biāo)之間的相對(duì)重要性做出判斷并進(jìn)行指標(biāo)打分，忽略了不同時(shí)刻所采集的指標(biāo)數(shù)據(jù)信息，導(dǎo)致評(píng)估結(jié)果不夠準(zhǔn)確。因此，本文所提方法相比于AHP方法來說更為合理有效。

4結(jié)論

本文提出了一種基于新的考慮證據(jù)相關(guān)的證據(jù)推理規(guī)則的空調(diào)機(jī)組健康狀態(tài)評(píng)估方法，對(duì)6套JDFX型空調(diào)機(jī)組的健康狀態(tài)進(jìn)行了評(píng)估。結(jié)果表明，在綜合健康水平排序上，機(jī)組1>機(jī)組5>機(jī)組3>機(jī)組6>機(jī)組4>機(jī)組2。與傳統(tǒng)的層次分析法相比，所提出的評(píng)估方法能夠更充分地考慮健康指標(biāo)的測(cè)試數(shù)據(jù)、相關(guān)性和專家知識(shí)，避免了純粹依靠專家評(píng)估的主觀性，結(jié)果更客觀真實(shí)，對(duì)空調(diào)機(jī)組的健康狀態(tài)評(píng)估具有一定的指導(dǎo)意義。為了進(jìn)一步提高評(píng)估的準(zhǔn)確性，未來還需對(duì)JDFX型空調(diào)機(jī)組的工作機(jī)理進(jìn)行更深入的分析，研究更有效的指標(biāo)權(quán)重和可靠度求解方法，以實(shí)現(xiàn)更全面的健康狀態(tài)評(píng)估。

參 考 文 獻(xiàn)：

[1]彭開香， 皮彥婷， 焦瑞華， 等. 航空發(fā)動(dòng)機(jī)的健康指標(biāo)構(gòu)建與剩余壽命預(yù)測(cè)[J]. 控制理論與應(yīng)用， 2020， 37（4）， 713.PENG Kaixiang， PI Yanting， JIAO Ruihua， et al. Health Indicator Construction and Remaining Useful Life Prediction for Aircraft Engine[J]. Control Theory & Applications， 2020， 37（4）： 713.

[2]ZHOU Zhijie， CAO You， HU Guanyu， et al. New Health-State Assessment Model Based on Belief Rule Base With Interpretability[J]. SCIENCE CHINA Information Sciences， 2021， 64： 172214-1.

[3]趙麗琴， 劉昶， 曹明生， 等. 復(fù)雜裝備健康度評(píng)估方法研究綜述[J]. 計(jì)算機(jī)測(cè)量與控制， 2021， 29（11）：1.ZHAO Liqin， LIU Chang， CAO Mingsheng， et al. Review of Health Assessment Methods for Complex Equipment[J]. Computer Measurement & Control， 2021， 29（11）：1.

[4]WANG Jianrong， FAN Kai， WANG Wangshan. Integration of Fuzzy AHP and FPP with TOPSIS Methodology for Aeroengine Health Assessment[J]. Expert Systems with Applications， 2010， 37（12）： 8516.

[5]HAMED，O， MOHAMMAD A A. Modelling and Evaluation of the Security of Cyber-Physical Systems Using Stochastic Petri Nets[J]. IET Cyber-Physical Systems： Theory & Applications， 2019， 4（1）： 50.

[6]范劍鋒， 袁海慶， 彭自強(qiáng)， 等. 基于模型智能修正的橋梁健康狀態(tài)評(píng)估[J]. 武漢理工大學(xué)學(xué)報(bào)， 2008， 30（4）： 84.FAN Jianfeng， YUAN Haiqing， PENG Ziqiang， et al. Evaluation of Bridge Health Condition Through Model Updating by Neural Network Approach[J]. Journal of Wuhan University of Technology， 2008， 30（4）： 84.

[7]周靖楠， 王笑宇， 王國(guó)玖， 等. 基于主成分分析的Mamdani模糊推理在河流健康評(píng)價(jià)中的應(yīng)用[J]. 水電能源科學(xué)， 2017， 35（10）： 46.ZHOU Jingnan， WANG Xiaoyu， WANG Guojiu， et al. Application of Mamdani Fuzzy Inference System Based Principle Component Analysis in River Health Evaluation[J]. Water Resources and Power， 2017， 35（10）： 46.

[8]李書明， 楊璐， 但敏. 基于模糊層次分析法的飛機(jī)空調(diào)系統(tǒng)健康管理[J]. 航空維修與工程， 2011（5）： 81.LI Shuming， YANG Lu， DAN Min. Study of Fuzzy Analytic Hierarchy Process on Airplane’s Air-Conditioner Health Management[J]. Aviation Maintenance & Engineering， 2011（5）： 81.

[9]DONG Yuliang， FANG Fang， GU Yujiong. Dynamic Evaluation of Wind Turbine Health Condition Based on Gaussian Mixture Model and Evidential Reasoning[J]. Journal of Renewable and Sustainable Energy， 2013， 5（3）： 1.

[10]YIN Xiaojing， ZHANG Bangcheng， ZHOU Zhijie， et al. A New Health Estimation Model for CNC Machine Tool Based on Infinite Irrelevance and Belief Rule Base[J]. Microelectronics Reliability， 2018， 84： 187.

[11]YANG Jianbo， XU Dongling. Evidential Reasoning Rule for Evidence Combination[J]. Artificial Intelligence， 2013， 205： 1.

[12]王廣澤， 楊桂芝， 胡楠楠. 證據(jù)推理方法在供應(yīng)商評(píng)估中的應(yīng)用[J]. 哈爾濱理工大學(xué)學(xué)報(bào)， 2017， 22（6）： 76.WANG Guangze， YANG Guizhi， HU Nannan. The Application of Evidence Theory in Supplier Evaluation[J].Journal of Harbin University of Science and Technology， 2017， 22（6）： 76.

[13]張積洪， 王慧敏， 陳維興. 基于數(shù)據(jù)挖掘的空調(diào)機(jī)組故障預(yù)測(cè)研究[J]. 測(cè)控技術(shù)， 2015， 34（8）： 37.ZHANG Jihong， WANG Huimin， CHEN Weixing. Study on Error Prediction in Air Conditioner Set Based on Data Mining[J]. Measurement & Control Technology， 2015， 34（8）： 37.

[14]JIANG W. A Correlation Coefficient for Belief Functions[J]. International Journal of Approximate Reasoning， 2018， 103： 94.

[15]徐曉濱， 鄭進(jìn)， 徐冬玲， 等. 基于證據(jù)推理規(guī)則的信息融合故障診斷方法[J]. 控制理論與應(yīng)用， 2015， 32（9）： 1170.XU Xiaobin， ZHENG Jin， XU Dongling， et al. Information Fusion Method for Fault Diagnosis Based on Evidential Reasoning Rule[J]. Control Theory & Applications， 2015， 32（9）： 1170.

[16]周志杰， 唐帥文， 胡昌華， 等. 證據(jù)推理理論及其應(yīng)用[J]， 自動(dòng)化學(xué)報(bào)， 2021， 47（5）： 970.ZHOU Zhijie， TANG Shuaiwen， HU Changhua， et al. Evidential Reasoning Theory and Its Applications[J]. Acta Automatica Sinica， 2021， 47（5）： 970.

[17]YANG Jianbo. Rule and Utility Based Evidential Reasoning Approach for Multiattribute Decision Analysis under Uncertainties[J]. European Journal of Operational Research， 2001， 131（1）： 31.

[18]洪志國(guó)， 李焱， 范植華， 等. 層次分析法中高階平均隨機(jī)一致性指標(biāo)（RI）的計(jì)算[J]. 計(jì)算機(jī)工程與應(yīng)用， 2002 （12）： 45.HONG Zhiguo， LI Yan， FAN Zhihua， et al. Calculation on High-ranked RI of Analytic Hierarchy Process[J]. Computer Engineering and Applications， 2002 （12）： 45.

[19]趙煥臣， 許樹柏， 和金生. 層次分析法[M]. 北京： 科學(xué)出版社， 1986： 5.

[20]王艷， 紀(jì)志成. 機(jī)床產(chǎn)品制造系統(tǒng)能效的最優(yōu)控制[J]. 控制理論與應(yīng)用， 2014， 31（10）： 1431.WANG Yan， JI Zhicheng. Optimal Control of Energy Efficiency for Machine Tool Manufacturing Systems[J]. Control Theory & Applications， 2014， 31（10）： 1431.

（編輯：溫澤宇）