[發明專利]一種基于信息融合技術智能模型的航空油液分析方法

在審

• 申請號: 201611126133.9
• 申請日: 2016-12-09
• 公開（公告）號: CN106940281A
• 公開（公告）日: 2017-07-11
• 發明（設計）人: 王景霖;曹亮;林澤力;鄭國;鄭蔚;單添敏;何召華
• 申請（專利權）人: 中國航空工業集團公司上海航空測控技術研究所
• 主分類號: G01N15/00
• 分類號: G01N15/00;G01N15/02;G01N15/06
• 代理公司: 南京理工大學專利中心32203
• 代理人: 朱顯國,唐代盛

技術領域

本發明屬于航空油液品質分析及航空結構故障診斷技術領域，特別是一種基于信息融合技術智能模型的航空油液分析方法。

背景技術

當前航空油液監測技術的特點是交叉性、綜合性、系統性的開發應用。其主要特點有：信息種類多；信息的表征各異；信息的離散性和隨機性；定量和定性信息交叉；在線與離線監測信息的交叉；信息量大且帶有冗余性、不確定性、不一致性和不完整性等。

以磨粒信息為例，大量信息需識別和剔除，用不同方法變為可確定和接近一致性，從不完整信息中提取可用的信息。對于磨粒智能識別方法的研究是近十多年來國內外研究的熱點和難點。傳統的磨粒識別，通常由人工完成，其主要缺點是工作量大、精度低、自動化程度差以及對分析人員的經驗和水平要求較高等。近年來，隨著模式識別和人工智能技術的發展，運用的智能識別方法有神經網絡、灰色關聯度和模糊規則等，單一識別方法雖然能夠實現對磨粒的識別，但由于受到訓練樣本數量、算法結構和識別目標的復雜性等因素限制，其識別準確率和穩定性存在一定的局限性，容易出現誤判情況。

發明內容

本發明的目的在于提供一種容錯性好、精確度高的基于信息融合技術智能模型的航空油液分析方法。

實現本發明目的的技術解決方案為：一種基于信息融合技術智能模型的航空油液分析方法，包括以下步驟：

步驟1，信號采集與預處理，對油液傳感器監測到的油液磨粒狀態信號進行濾波、小波降噪的預處理；

步驟2，采用傅里葉變換和小波包能量譜的方法，對預處理后的油液磨粒狀態信號進行特征提取，獲取表征油液磨粒狀態信號的特征參數；

步驟3，根據步驟2中獲取的特征參數的種類和數量，構建RBP神經網絡模型、BP神經網絡模型、灰色關聯度模型、模糊推理模型，然后利用獲取的特征參數對各種模型進行訓練處理；

步驟4，利用所述四種模型分別處理測試用油液磨粒的特征參數，獲取模型關于油液磨粒各種狀態的關聯參數，然后通過D-S證據理論進行深度融合，判別出油液磨粒的狀態信息。

本發明與現有技術相比，其顯著優點為：(1)采用RBP神經網絡、BP神經網絡、灰色關聯度、模糊推理等四種模型的特征處理方法，具有較好的容錯性，其區分度和準確度明顯提高；(2)采用D-S證據理論方法深度融合各模型關于航空油液顆粒狀態關聯參數，綜合利用各個模型的優點，使磨粒識別的區分度和精準度有了很大改善，提高了基于磨粒識別技術的航空油液分析水平。

附圖說明

圖1為本發明基于信息融合技術智能模型的航空油液分析方法的模型結構示意圖。

圖2為本發明基于信息融合技術智能模型的航空油液分析方法中神經元模型圖。

圖3為本發明中智能模型信息融合結構圖。

圖4為本發明中智能模型油液顆粒關聯參數分析流程圖。

具體實施方式

本發明基于信息融合技術智能模型的航空油液分析方法，該方法采用傅里葉變換及小波包分析技術隊磨粒信號進行處理，獲取表征磨粒狀態信息的特征量，并利用RBP神經網絡、BP神經網絡、灰色關聯度、模糊推理等四種模型分別處理表征磨粒狀態信息的特征量，得到與磨粒狀態相關的關聯參數，進而應用D-S證據理論進行融合得到磨粒狀態關聯概率，最后對每一種狀態概率進行比較，即可確定磨粒的狀態信息。該方法采用多模型分析技術，具有一定的容錯性；同時，其區分度和準確度比單個或者兩個模型有明顯的提高，在單個或者兩個模型出現誤判的情況下，通過信息融合仍然能夠得到正確的識別結果，增強了對磨粒識別的準確度，如圖1所示，本發明技術方案如下：

步驟1，信號采集與預處理，對油液傳感器監測到的油液磨粒狀態信號進行濾波、小波降噪的預處理；

針對潤滑系統油液磨粒狀態的復雜情況，設計合理的油液磨粒監測系統；磨粒狀態的復雜情況將造成磨粒信號成分較為豐富，噪聲信號也較多，因此，在處理信號之前需利用小波濾波等手段對油液磨粒信號進行處理。

步驟2，采用傅里葉變換和小波包能量譜的方法，對預處理后的油液磨粒狀態信號進行特征提取，獲取表征油液磨粒狀態信號的特征參數；

由于不同狀態的顆粒物所造成的監測信號頻率成分不同，因此，先對信號進行傅里葉頻譜分析，找出油液磨粒信號的特征頻率點，并根據特征頻率點設計小波包分解的層數，我每一層對應的分解信號；最終將分解信號的能量值作為表征磨粒狀態信息的特征值。將表征磨粒狀態信息的特征值與油液磨粒狀態的關聯物理量作為表示油液磨粒狀態的特征參量。