舰船综合电力技术国防科技重点实验室（海军工程大学）的研究人员

舰船综合电力技术国防科技重点实验室（海军工程大学）的研究人员腾腾、赵治华短期风速预测时间范围，在2018年第22期《电工技术学报》上撰文指出，对设备监测量的数值预测是进行故障预测与健康管理（PHM）研究的重要环节之一。

以电磁发射系统中分段供电直线电机的定子温度为例，分别基于自回归积分滑动平均（ARIMA）模型、卡尔曼滤波模型、反向传播（BP）神经网络模型和一种新的以工况信息为外部输入的非线性自回归神经网络（NARX）模型，实现了对定子温度多时间尺度的预测。ARIMA模型为其他三种模型提供了时序数据分析时确定阶数的依据。

在不同于训练数据集的试验数据上应用四种预测模型，比较和分析了四种方法得到的多时间尺度预测结果：对于不超过1min的短时温度预测，四种方法都具有较好的效果；对于1～4min的中长时间预测，引入工况信息的NARX神经网络方法具有优势。四种方法对分段供电直线电机定子温度预测都不具有超过4min的预测能力。

电磁发射系统是一类复杂的大型系统，通常由储能系统、脉冲功率变换系统、直线电机装置（脉冲发射装置）和闭环运动控制系统四部分构成。对这类复杂系统进行故障预测与健康管理（Prognostic and Health Management, PHM）研究时，难以像对器部件那样直接进行健康状态评估和剩余寿命预测，而对系统工作能力的预测又是使用的实际需求之一。

所以，对这类系统的监测量进行预测，根据预测结果和已经获得的各类故障检测方法和知识对系统未来一段时间的性能进行预测成为目前对复杂大系统进行PHM研究的方向之一。对监测量的预测也成为了当前健康管理体系框架内的重要组成部分之一。

作为电磁发射系统的执行机构，分段供电直线电机以其结构简单、响应速度快、输出载荷灵活可调等优势短期风速预测时间范围，在国防、能源及运输领域被广泛应用。分段供电直线电机的定子温度是保证直线电机正常工作的重要监测量之一。对直线电机温度的预测，可以提前感知直线电机温度过高的可能，并加以防范；同时也可以对后续工作任务提前进行更科学有效的规划。所以，对分段供电直线电机的温度进行预测是有益的和必要的。

对监测量的预测属于数值预测的范畴。现阶段数值预测技术主要应用于对群体行为的预测（如光伏发电功率预测），对自然条件的预测（如对风电场风力和铁路沿线风速预测等），以及对金融领域的预测。国内外对预测模型的应用领域已经有了广泛的探索。

文献[7-9]对自回归积分滑动平均模型（Autoregressive Integrated Moving Average Model, ARIMA）的应用进行了研究和测试。文献[10]应用气象领域的数值天气预报（Numerical Weather Prediction, NWP）模型对风电场发电功率进行了短期预测。文献[11,12]采用卡尔曼滤波模型实现了对风速的短期预测。文献[13]采用相似性算法，尝试提取风速数据中的特征，并进行超短期风速预测。

文献[14-17]利用人工神经网络强大的非线性拟合能力，实现了对各自目标的预测。文献[18]采用小波分解方法进行数据预处理，并采用支持向量机模型进行风速预测。刘辉及其所在团队在铁路沿线风预测领域开展了系统和深入的研究，比较了多种预测方法[19-21]，并对直接和间接进行多步预测的优劣进行了讨论。

然而，电磁发射系统这类复杂系统的监测量作为预测对象与上述研究中的预测对象存在一定的差异。无论群体行为还是自然条件都不受个体的具体操作所影响，而复杂系统的监测量却与系统工况息息相关。仅从历史数据中提取的趋势和特征不能表达未来由于工况变化而引起的监测量变化。所以需要针对电磁发射系统监测量这一特殊对象适用的预测方法进行研究。

电磁发射系统的监测量较多，各监测量的测量值主要与系统工作状态、环境条件和测量几方面相关。在进行监测量数值预测研究时，倾向于选取与各方面因素均相关的监测量，以获得全面的具有鲁棒性的预测模型。分段供电直线电机的温度同时受到环境温度、系统运行工况和测温传感器灵敏度的影响，比较符合对监测量选择的需求。所以本文选取分段供电直线电机的温度为例，讨论电磁发射系统监测量的预测方法。

本文首先介绍电磁发射系统及其分段供电直线电机定子温度数据的概况，并给出一种电磁发射系统监测量预测方法的框架；然后，分别对定子温度应用ARIMA模型、卡尔曼滤波模型和反向传播（Back Propagation, BP）神经网络（Artificial Neural Networks, ANN）模型进行预测，并通过ARIMA模型的结果确定预测模型的阶数；随后提出一种电磁发射系统监测量预测方法，该方法基于含有外部输入的非线性自回归神经网络（Nonlinear Autoregressive with Exogenous Input Neural Network, NARX）并引入工况信息；最后，将预测结果与上述几种成熟预测模型的预测结果进行比较和讨论。

图1 分段供电直线电机及其冷却系统示意图

结论

1）本文针对电磁发射系统监测量预测问题，以系统中的分段供电直线电机的定子温度信号为例，分别采用ARIMA模型、卡尔曼滤波模型、ANN模型和引入工况信息的NARX神经网络模型实现了对定子温度信号的预测。利用ARIMA模型的分析结果确定了针对具体预测问题适用的时序分析阶数。

2）本文对上述四种模型方法得到的多时间尺度预测结果进行了比较和分析。提出的引入工况信息的预测方法在对定子温度这类随装置工作而有较剧烈波动的温度测点的预测性能有一定的改善，特别是对预测时间在1～4min内的预测性能改善较为明显。预测方法所提供的有效预测时间使预测结果能够达到指导维护人员操作的目的。经过引入工况信息优化的电磁发射系统监测量预测方法对电磁发射系统的PHM研究有支撑作用。