本发明涉及飞行器贮存维修保障，尤其是涉及一种飞行器贮存健康状态评估方法。
背景技术：
1、根据国防高新科技的发展趋势，飞行器的型号和数量越来越多，系统组成的复杂性愈来愈高，规模愈来愈大，并逐渐向高度集成化、自动化和高效化方向发展，传统的故障检测与维修保障技术已经无法适应现代化飞行器以及现代化战争的精准维修保障需求，因此对飞行器的可靠性、维修性以及综合保障体系也提出了更高的要求。
2、飞行器具有“长期贮存，少量测试，一次使用”的特点，飞行器长期贮存的健康状态评估与预测方法，有助于实现装备健康管理技术在航天领域从理论研究到工程实践应用的过渡，切实提高航天系统飞行器的保障能力，减少维修资源的浪费，降低维修成本，同时也可以推广和应用到其他大型复杂装备领域，具有一定的社会价值与经济效益。
技术实现思路
1、本发明的目的是提供一种飞行器贮存健康状态评估方法，适用于飞行器装备自主化健康管理与维修保障，通过科学评估飞行器健康状态并根据测试参数预测其健康状态发展趋势，提前做出维修保养计划，尽量将潜在故障消灭在萌芽状态，能够在综合保障以及临场作战等方面，最大限度的提升飞行器的性能。
2、为实现上述目的，本发明提供了一种飞行器贮存健康状态评估方法，包括以下步骤：
3、s1、通过采集板卡采集飞行器的健康状态参数；
4、s2、从云端获取健康状态参数数据输入到嵌入式平台进行处理分析；
5、s3、根据健康状态参数生成关键单机子设备、分系统、飞行器健康度，并进行可视化呈现；
6、s4、根据各分系统的健康状态，对飞行器进行健康状态评估，并给出装备组合方案以及评估结果详情。
7、优选的，步骤s1中，采集所述健康状态参数时需遵循的原则为：可测试性、代表性、系统性、定性与定量指标相结合的方式。
8、优选的，步骤s2具体过程为：利用各种传感器以及单机测试技术采集飞行器装备全寿命周期数据，包括各个关键单机子设备的测试参数以及环境信息，利用归一化、异常值处理对原始测试数据进行处理，作为健康状态评估与预测算法的输入参数。
9、优选的，步骤s3具体过程为：选取各个分系统中关键单机子设备的参数指标作为健康状态评估参数，首先对测试数据进行归一化处理，确定各个指标的权重，再根据健康状态评估算法进行综合决策，最后获得各个分系统的健康状态等级以及健康度。
10、优选的，步骤s3中，将测试数据x与标准值xs做对比，归一化后的参数将映射到[0,1]之间，假设健康状态测试参数的阈值范围为min max[xmin,xmax]，则归一化值的具体计算过程如下：
11、
12、进行健康状态评估时，需要重点突出状态较差的参数，使其所占权重更大，即归一化值越大，权重越大：
13、
14、其中，λi为归一化值；
15、假设飞行器的健康评估指标数量为n，同一批次的飞行器数量为m，xij表示第i个飞行器的第j个健康评估指标的测试值，则第j个健康状态评估指标的信息熵记为：
16、
17、其中，pij为该指标的归一化值，则第j个指标利用熵权法计算得到的权重为：
18、
19、飞行器有n个健康状态评估指标，则第i个指标的最终权重大小为：
20、
21、其中，ωi1、ωi2分别为利用测试参数归一化法和熵权法计算所得的第i个指标的权重。
22、优选的，步骤s3中，假设有n个证据，其最终权重向量为ω＝(ω1,ω1,…,ωn)，则证据的折扣率表示为：
23、αi＝ωi/ωmax，其中ωmax＝max(ω1,ω1,…,ωn)，利用证据折扣率对证据源进行修正，则修正之后的基本概率赋值为：
24、m′i(ak)＝αimi(ak) (6)
25、其中，ωi代表第i个证据源的权重；
26、进行证据折扣后添加的补充基本概率赋值函数为：
27、
28、其中，m′i(θ)为进行证据折扣后添加的补充基本概率赋值函数；
29、将用折扣率修正后的证据源利用dempster合成规则进行n-1次融合，此时对应的合成规则记为：
30、
31、其中，αi为上文中的折扣率，mi(ak)为上文中的基本概率赋值；
32、若证据存在冲突，则引入jousselme距离函数来计算各个证据的可信度，假设mi和mj是飞行器健康状态评估框架中的证据和对应的基本概率分配，则jousselme距离为：
33、
34、根据两者之间的jousselme距离计算出两者的相似度：
35、s(mi,mj)＝1-dbpa(mi,mj) (10)
36、进行加权平均后得到该证据与其他证据的平均相似度：
37、
38、得到第i个证据的可信度记为：
39、
40、优选的，所述健康状态等级分为：优秀、良好、一般、观察和检修。
41、优选的，步骤s4中，对飞行器进行健康状态评估，包括对单枚飞行器健康状态评估预测和对批量飞行器进行健康状态进行评估预测。
42、优选的，步骤s4中，根据飞行器健康状态评估预测结果，制定维修保养计划，包括维修/保养任务类型、起止时间、所需维修/保养资源和维修人员信息。
43、因此，本发明采用上述一种飞行器贮存健康状态评估方法，有益效果如下：
44、(1)本发明的健康评价系统根据“折扣率”对证据源进行修正，在进行信息融合的过程中，首先利用证据“折扣率”对证据源做预处理，当存在冲突证据时，并未对其完全否定，而是将其用平均证据代替，避免了原始证据源信息的丢失。
45、(2)本发明基于证据自身的有效性和关联性，引入证据“折扣率”对证据源进行修正，利用jousselme距离函数计算证据可信度，将冲突证据用加权平均证据代替，利用改进的d-s证据理论对测试数据信息进行融合，可解决证据冲突的问题，实现关键单机子设备的健康状态评估，并将健康状态等级进一步量化为健康度，便于定量分析比较。
46、(3)本发明提出基于遗传算法的装备组合优化方法，能够使装备的整体健康状态水平维持在一个较为稳定的状态，使该批次装备的整体健康状态达到最优水平。
47、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
1.一种飞行器贮存健康状态评估方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种飞行器贮存健康状态评估方法，其特征在于：步骤s1中，采集所述健康状态参数时需遵循的原则为：可测试性、代表性、系统性、定性与定量指标相结合的方式。
3.根据权利要求2所述的一种飞行器贮存健康状态评估方法，其特征在于，步骤s2具体过程为：利用各种传感器以及单机测试技术采集飞行器装备全寿命周期数据，包括各个关键单机子设备的测试参数以及环境信息，利用归一化、异常值处理对原始测试数据进行处理，作为健康状态评估与预测算法的输入参数。
4.根据权利要求3所述的一种飞行器贮存健康状态评估方法，其特征在于，步骤s3具体过程为：选取各个分系统中关键单机子设备的参数指标作为健康状态评估参数，首先对测试数据进行归一化处理，确定各个指标的权重，再根据健康状态评估算法进行综合决策，最后获得各个分系统的健康状态等级以及健康度。
5.根据权利要求4所述的一种飞行器贮存健康状态评估方法，其特征在于，步骤s3中，将测试数据x与标准值xs做对比，归一化后的参数将映射到[0,1]之间，假设健康状态测试参数的阈值范围为min max[xmin,xmax]，则归一化值的具体计算过程如下：
6.根据权利要求5所述的一种飞行器贮存健康状态评估方法，其特征在于，步骤s3中，假设有n个证据，其最终权重向量为ω＝(ω1,ω1,…,ωn)，则证据的折扣率表示为：
7.根据权利要求6所述的一种飞行器贮存健康状态评估方法，其特征在于，所述健康状态等级分为：优秀、良好、一般、观察和检修。
8.根据权利要求7所述的一种飞行器贮存健康状态评估方法，其特征在于，步骤s4中，对飞行器进行健康状态评估，包括对单枚飞行器健康状态评估预测和对批量飞行器进行健康状态进行评估预测。
9.根据权利要求8所述的一种飞行器贮存健康状态评估方法，其特征在于，步骤s4中，根据飞行器健康状态评估预测结果，制定维修保养计划，包括维修/保养任务类型、起止时间、所需维修/保养资源和维修人员信息。
