考虑证据相关性的空调机组健康状态评估

韩晓霞　高延子　胡冠宇

摘要：针对空调机组健康状态评估中指标信息利用不充分的问题，提出了一种考虑证据相关性的健康状态评估方法。首先，构建了JDFX型空调机组健康状态评估指标体系。其次，依据证据推理理论，给出了考虑证据相关的证据推理规则，构建了JDFX型空调机组健康状态评估模型，以获取空调机组的综合健康水平。最后，通过算例对6套JDFX型空调机组的健康状态进行了评估，给出了健康水平的排序结果。结果表明，相比于传统的层次分析法，所提方法能够更有效地利用健康指标信息和专家知识对空调机组进行健康状态评估，结果更合理可信。

关键词：控制理论;健康管理;空调机组;证据推理规则;健康状态评估;层次分析法

DOI：10.15938/j.jhust.2022.02.013

中图分类号： TU831.3

文献标志码： A

文章编号： 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

隨着信息化技术和制造业的深入发展，空调机组在桥载设备中得到了广泛的应用。然而，受不同环境因素的影响，空调机组的健康状态也会逐渐恶化，甚至发生故障，引发安全事故，造成严重损失。因此，如何对空调机组进行有效的健康状态评估，及时掌握其健康状态，已成为了广大航空公司和机场亟待解决的问题之一。

按照所采用的评估信息类型，现有的健康状态评估方法可分为三类[1-3]。一是基于定性知识的方法，代表性的有Petri网、专家打分法等;二是基于定量数据的方法，代表性的有主成分分析（principal component analysis， PCA）、人工神经网络（artificial neural network， ANN）等;三是基于混合信息的方法，代表性的有模糊综合评判（fuzzy comprehensive evaluation， FCE）、层次分析法（analytic hierarchy process， AHP）、置信规则库（belief rule base， BRB）、证据推理（evidential reasoning， ER）等。

Wang等[4]提出了一种基于模糊AHP的航空发动机健康状态评估模型，对中国航空股份有限公司的10个初始商用航空发动机的健康状态进行了有效评估。Hamed和Mohammad[5]提出了一种基于随机Petri网的网络物理系统健康状态评估模型，为改进网络物理系统的安全对策提供了有效方法。范剑锋等人[6]在有限元分析的基础上构建ANN模型，实现了桥梁健康状态的准确评估。周靖楠等[7]提出PCA方法对评估指标进行降维，对太湖周边6条河流进行健康状态评估，具有较好的工程实用性。李书明等[8]利用FCE方法的思想，对飞机空调系统的各子系统进行健康状态评估，进一步采用模糊优先规划法、逼近于理想解法等得到了空调系统的整体健康状况。Dong等[9]提出了一种基于ER的电机组健康状态评估方法，在参数、组件和系统层面都获得了良好的健康状态评估性能。Yin等[10]基于BRB建立数控机床的健康状态评估模型，综合利用混合信息对其健康状态进行评估，提高了评估的准确性和实时性。

上述方法在实际应用中均取得了较好效果，但工程中对空调机组进行健康状态评估的研究仍然较为缺乏。ER规则是一种有效处理评估与决策类问题的典型方法，最初是在2013年由Yang和Xu提出[11]，并被广泛应用于信息融合、多属性决策、模式识别等领域[12]。然而，目前尚未有研究將ER规则应用于空调机组的健康状态评估，且在ER规则中均假设证据是相互独立的，这在工程实际中往往不容易满足。因此，有必要提出一种考虑证据相关的ER规则以对空调机组进行健康状态评估，进而根据综合健康水平对空调机组进行检修，从工程意义而言可以降低空调机组的故障率。

考虑到ER规则在处理各类不确定性方面的优势，本文采用多源信息融合的思想，以JDFX型空调机组为例，构建其健康状态评估指标体系，提出一种基于证据相关的ER规则的空调机组健康状态评估模型，为该型空调机组的健康管理和维修决策提供技术支持。

1空调机组健康状态评估方法确立

1.1评估指标体系的确立

为了对空调机组的健康状态进行更有效的评估，本文从JDFX型空调机组的工况测试指标出发，构建其健康状态评估指标体系。根据文[13]，建立评估指标体系如图1所示。

在图1中，M表示JDFX型空调机组;e表示第i个健康指标，其中i=1，…，10。

1.2基于证据相关的ER规则的JDFX型空调机组健康状态评估模型

类似地，6套JDFX型空调机组的健康状态评估结果均可获得，受篇幅限制，此处不展示。假设评估等级“健康”、“亚健康”、“一般”和“不健康”对应的的效用分别为1，2/3，1/3，0。根据式（15）可得，6套JDFX型空调机组的综合健康水平如图4所示。

根据图4可知，在10个不同的时刻：

①机组1的综合健康水平为0.3590～0.6765;

②机组2的综合健康水平为0.3710～0.6023;

③机组3的综合健康水平为0.3344～0.6707;

④机组4的综合健康水平为0.2922～0.5816;

⑤机组5的综合健康水平为0.3785～0.6606;

⑥机组6的综合健康水平为0.3782～0.5754。

经过平均计算，各空调机组的综合健康水平分别为0.5498， 0.4629， 0.5020， 0.4579， 0.5069， 0.4981，空调机组的总体健康水平偏中等。那么可以判定，6套空调机组的健康水平排序结果为：机组1>机组5>机组3>机组6>机组2>机组4。从工程意义而言，该排序结果可以提供空调机组维修决策支持，技术人员按照空调机组的综合健康水平安排检修，可有效降低空调的故障率。同时，评估结果使技术人员无需掌握每一套空调机组的真实健康状态验证模型，克服了因空调机组的真实健康状态不清楚而无法及时做出决策等不足。

3对比分析

为了说明所提方法的有效性，本节采用AHP方法对空调机组进行健康状态评估，根据专家经验，针对10个健康指标给出如下判断矩阵：

上述结果表明，空调机组的健康状态相对于等级“健康”的置信度为0.3061，相对于等级“亚健康”的置信度为0.2686，相对于等级“一般”的置信度为0.2314，相对于等级“不健康”的置信度为0.1939。因此，根据AHP方法可得空调机组的健康状态为“健康”。然而，AHP方法所得评估结果不具有一般性，它无法衡量不同机组在不同时刻的健康状态，评估模式为静态评估，与图3不符。究其原因，在AHP方法中，专家根据个人经验和知识，对健康指标之间的相对重要性做出判断并进行指标打分，忽略了不同时刻所采集的指标数据信息，导致评估结果不够准确。因此，本文所提方法相比于AHP方法来说更为合理有效。

4结论

本文提出了一种基于新的考虑证据相关的证据推理规则的空调机组健康状态评估方法，对6套JDFX型空调机组的健康状态进行了评估。结果表明，在综合健康水平排序上，机组1>机组5>机组3>机组6>机组4>机组2。与传统的层次分析法相比，所提出的评估方法能够更充分地考虑健康指标的测试数据、相关性和专家知识，避免了纯粹依靠专家评估的主观性，结果更客观真实，对空调机组的健康状态评估具有一定的指导意义。为了进一步提高评估的准确性，未来还需对JDFX型空调机组的工作机理进行更深入的分析，研究更有效的指标权重和可靠度求解方法，以实现更全面的健康状态评估。

参 考 文 献：

[1]彭开香， 皮彦婷， 焦瑞华， 等. 航空发动机的健康指标构建与剩余寿命预测[J]. 控制理论与应用， 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]赵丽琴， 刘昶， 曹明生， 等. 复杂装备健康度评估方法研究综述[J]. 计算机测量与控制， 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]范剑锋， 袁海庆， 彭自强， 等. 基于模型智能修正的桥梁健康状态评估[J]. 武汉理工大学学报， 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， 王国玖， 等. 基于主成分分析的Mamdani模糊推理在河流健康评价中的应用[J]. 水电能源科学， 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]李书明， 杨璐， 但敏. 基于模糊层次分析法的飞机空调系统健康管理[J]. 航空维修与工程， 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]王广泽， 杨桂芝， 胡楠楠. 证据推理方法在供应商评估中的应用[J]. 哈尔滨理工大学学报， 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]張积洪， 王慧敏， 陈维兴. 基于数据挖掘的空调机组故障预测研究[J]. 测控技术， 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]徐晓滨， 郑进， 徐冬玲， 等. 基于证据推理规则的信息融合故障诊断方法[J]. 控制理论与应用， 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， 唐帅文， 胡昌华， 等. 证据推理理论及其应用[J]， 自动化学报， 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]洪志国， 李焱， 范植华， 等. 层次分析法中高阶平均随机一致性指标（RI）的计算[J]. 计算机工程与应用， 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]赵焕臣， 许树柏， 和金生. 层次分析法[M]. 北京： 科学出版社， 1986： 5.

[20]王艳， 纪志成. 机床产品制造系统能效的最优控制[J]. 控制理論与应用， 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.

（编辑：温泽宇）