[發(fā)明專(zhuān)利]一種小樣本條件下發(fā)動(dòng)機(jī)運(yùn)行可靠性評(píng)估方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201710043379.8
• 申請(qǐng)日: 2017-01-19
• 公開(kāi)（公告）號(hào): CN106844957A
• 公開(kāi)（公告）日: 2017-06-13
• 發(fā)明（設(shè)計(jì)）人: 丁鋒;齊智;陳雪嬌;趙文濤;仇滿(mǎn)意
• 申請(qǐng)（專(zhuān)利權(quán)）人: 西安工業(yè)大學(xué)
• 主分類(lèi)號(hào): G06F17/50
• 分類(lèi)號(hào): G06F17/50;G06K9/00;G06K9/62
• 代理公司: 西安新思維專(zhuān)利商標(biāo)事務(wù)所有限公司61114
• 代理人: 黃秦芳

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于狀態(tài)子空間相似性的運(yùn)行可靠性評(píng)估方法，具體涉及一種小樣本條件下發(fā)動(dòng)機(jī)運(yùn)行可靠性評(píng)估方法。

背景技術(shù)

航空發(fā)動(dòng)機(jī)是飛機(jī)的心臟，其狀態(tài)性能直接決定了飛機(jī)的飛行狀態(tài)。受高溫、高壓、變工況等惡劣工作環(huán)境的影響，航空發(fā)動(dòng)機(jī)將不可避免地發(fā)生性能退化，其性能退化會(huì)降低整個(gè)飛機(jī)系統(tǒng)的可靠性和安全性，增加安全風(fēng)險(xiǎn)甚至導(dǎo)致重大事故的發(fā)生。由發(fā)動(dòng)機(jī)故障引起的飛機(jī)事故屢見(jiàn)不鮮，所以必須對(duì)航空發(fā)動(dòng)機(jī)在運(yùn)行過(guò)程中的可靠性進(jìn)行評(píng)估，保證飛機(jī)安全可靠地運(yùn)行。

經(jīng)過(guò)近60年的發(fā)展，可靠性評(píng)估的新理論和新方法不斷涌現(xiàn)，其數(shù)學(xué)基礎(chǔ)是概率論和數(shù)理統(tǒng)計(jì)，需要大樣本失效數(shù)據(jù)；而單臺(tái)或小樣本機(jī)械設(shè)備難以滿(mǎn)足大樣本統(tǒng)計(jì)條件，模型應(yīng)用困難。

學(xué)者XING等基于學(xué)習(xí)曲線(xiàn)特性提出一種動(dòng)態(tài)貝葉斯估計(jì)方法改善小樣本情況下系統(tǒng)可靠性評(píng)估精度不高的問(wèn)題；我國(guó)學(xué)者黃洪鐘批判性地評(píng)述了傳統(tǒng)可靠性理論，指出離散二值邏輯假設(shè)和概率假設(shè)的不合理性；國(guó)內(nèi)西安交通大學(xué)提出了一種基于設(shè)備振動(dòng)監(jiān)測(cè)信息的比例故障模型，評(píng)估了滾動(dòng)軸承的可靠性退化過(guò)程；基于對(duì)設(shè)備振動(dòng)信息的分析，國(guó)內(nèi)文獻(xiàn)提出一種利用邏輯回歸模型評(píng)估設(shè)備運(yùn)行可靠性的方法，針對(duì)傳統(tǒng)可靠性方法用于設(shè)備運(yùn)行可靠性評(píng)估的不足提出比例協(xié)變量模型，評(píng)估了切削刀具的運(yùn)行可靠性。

上述研究在一定程度上克服了傳統(tǒng)可靠性評(píng)估方法的不足。然而，這些方法中可靠性評(píng)估模型的建立依舊依賴(lài)大量先驗(yàn)知識(shí)和歷史樣本數(shù)據(jù)，評(píng)估精度必然取決于樣本的大小，對(duì)小樣本條件下的可靠性評(píng)估仍然存在困難。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種小樣本條件下發(fā)動(dòng)機(jī)運(yùn)行可靠性評(píng)估方法，利用小波包技術(shù)、核主成分分析、奇異值分解等對(duì)渦槳發(fā)動(dòng)機(jī)進(jìn)行可靠性評(píng)估。

本發(fā)明所采用的技術(shù)方案是：

一種小樣本條件下發(fā)動(dòng)機(jī)運(yùn)行可靠性評(píng)估方法，由以下步驟實(shí)現(xiàn)：

第1步：采集信號(hào):采用數(shù)據(jù)采集儀采集發(fā)動(dòng)機(jī)振動(dòng)信號(hào)數(shù)據(jù)，并定義正常狀態(tài)信號(hào)和當(dāng)前狀態(tài)信號(hào)，定義求可靠度的時(shí)間節(jié)點(diǎn)；

第2步：特征提取：使用小波包提取正常狀態(tài)信號(hào)和一種當(dāng)前狀態(tài)信號(hào)的能量特征向量，小波分解結(jié)果用d_i,j(k)表示，N表示原始信號(hào)的長(zhǎng)度，全部E_i,j構(gòu)成小波包能量譜；則各個(gè)頻帶范圍內(nèi)信號(hào)的能量為：歸一化處理后的特征向量為:

第3步：分別將第2步中正常狀態(tài)信號(hào)和當(dāng)前狀態(tài)信號(hào)的能量特征向量組成特征矩陣X₁＝(x₁,x₂,…,x_n)^T和特征矩陣X₂＝(x₁,x₂,…,x_n)^T，其中n表示特征個(gè)數(shù)；

第4步：參數(shù)設(shè)置：在狀態(tài)子空間構(gòu)造算法中，核函數(shù)參數(shù)σ和特征值累積貢獻(xiàn)率ξ，是需要預(yù)先賦值的變量；

第5步：KPCA狀態(tài)子空間構(gòu)造：利用非線(xiàn)性映射函數(shù)，將第3步中的特征矩陣X映射到高維特征空間中，特征空間中的狀態(tài)特征矩陣用表示；然后在特征空間中執(zhí)行KPCA算法計(jì)算的協(xié)方差矩陣對(duì)應(yīng)的特征值λ和相應(yīng)的特征矢量υ。選擇對(duì)應(yīng)于較大特征值的幾組矢量構(gòu)成特征矩陣的狀態(tài)子空間，表示為其中S表示狀態(tài)子空間，r為子空間維數(shù)，表示對(duì)υ進(jìn)行歸一化得到的歸一化正交基矢量；

第6步：子空間內(nèi)積矩陣核主角計(jì)算：計(jì)算利用核主成分分析構(gòu)造的正常狀態(tài)子空間S₁和待評(píng)估的當(dāng)前狀態(tài)子空間S₂的內(nèi)積矩陣S₁^TS₂；

第7步：通過(guò)對(duì)內(nèi)積矩陣W＝S₁^TS₂奇異值分解得到矩陣W的奇異值K₁,K₂,…,K_h，提取奇異值對(duì)角線(xiàn)的值，得到兩個(gè)子空間的核主角向量θ；

第8步：定義可靠度指標(biāo)：從核主角向量θ中選出第一核主角θ₁進(jìn)行歸一化處理作為運(yùn)行可靠性指標(biāo)R，其中可靠度R的變化范圍為[0,1]；

第9步：根據(jù)第1步中定義的時(shí)間節(jié)點(diǎn)，按狀態(tài)信息的運(yùn)行時(shí)間，重復(fù)第2步到第8步，求對(duì)應(yīng)時(shí)刻的可靠度，直到取完?duì)顟B(tài)信息的運(yùn)行時(shí)間，組成以時(shí)間為橫軸，可靠度R為縱軸的可靠度曲線(xiàn)；在第4步中核函數(shù)參數(shù)σ和特征值累積貢獻(xiàn)率ξ每一組參數(shù)組合對(duì)應(yīng)一條可靠度曲線(xiàn)；