[發(fā)明專(zhuān)利]一種分階段的航空發(fā)動(dòng)機(jī)性能衰退模式挖掘方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710575219.8
• 申請(qǐng)日: 2017-07-14
• 公開(kāi)（公告）號(hào): CN107357994B
• 公開(kāi)（公告）日: 2020-04-28
• 發(fā)明（設(shè)計(jì)）人: 付旭云;鐘詩(shī)勝;林琳;張永健;王琳
• 申請(qǐng)（專(zhuān)利權(quán)）人: 哈爾濱工業(yè)大學(xué)（威海）
• 主分類(lèi)號(hào): G06F30/20
• 分類(lèi)號(hào): G06F30/20
• 代理公司: 威海科星專(zhuān)利事務(wù)所 37202
• 代理人: 初姣姣

1.一種分階段的航空發(fā)動(dòng)機(jī)性能衰退模式挖掘方法，其特征在于包括以下步驟：

步驟1：進(jìn)行性能參數(shù)預(yù)處理，具體包括粗大誤差處理、降噪處理；

步驟2：進(jìn)行性能衰退模式挖掘，包括快速衰退階段模式挖掘和正常衰退階段模式挖掘，其中所述快速衰退階段模式挖掘具體包括以下步驟：

Step2-1 按照式計(jì)算各樣本點(diǎn)之間的距離，確定樣本鄰近數(shù)K，初始化每個(gè)樣本點(diǎn)x_i的類(lèi)別C_i＝-1，表示樣本未分配，其中對(duì)于兩個(gè)樣本點(diǎn)x_i和x_j，其距離度量定義為式

式中——將x_i和x_j處理成初始值基本相等，且等長(zhǎng)度的時(shí)序數(shù)據(jù)；

——和的長(zhǎng)度；

——和的第k個(gè)采樣點(diǎn)；

Step2-2 計(jì)算每個(gè)樣本點(diǎn)的局部密度ρ_i和距離δ_i，確定樣本點(diǎn)的γ_i值，繪制γ決策圖，據(jù)此確定出聚類(lèi)中心集合CI；

Step2-3 根據(jù)式確定離群點(diǎn)集合Outlier；

Step2-4 對(duì)除聚類(lèi)中心點(diǎn)之外的非離群點(diǎn)采用分配策略一進(jìn)行處理；

Step2-5 對(duì)經(jīng)分配策略一未分配的非離群點(diǎn)和離群點(diǎn)集合Outlier中的樣本點(diǎn)采用分配策略二進(jìn)行處理；

Step2-6 經(jīng)上述步驟未分配的樣本點(diǎn)標(biāo)記為噪聲點(diǎn)；

其中上述樣本分配策略一的詳細(xì)步驟如下所述：

Step2-4-1 從聚類(lèi)中心集合CI中選擇一個(gè)新的聚類(lèi)中心ci，然后將ci從CI中刪除，

Step2-4-2 將ci點(diǎn)的K鄰近集合KNN(ci)中的樣本點(diǎn)并入ci所在的類(lèi)別，初始化隊(duì)列V_q，并將KNN(ci)中的樣本點(diǎn)依次加入隊(duì)列V_q，

Step2-4-3 將V_q中的首個(gè)樣本點(diǎn)q取出，并將q從V_q中刪除；對(duì)于集合KNN(q)中的每個(gè)樣本r，如果滿足條件：a)C_r＝-1，b)不屬于離群點(diǎn)集，c)d_q,r≤mean({d_q,j|x_j∈KNN(r)})，則將樣本r屬于q所在的類(lèi)別，并將樣本點(diǎn)r放入隊(duì)列V_q的末尾，

Step2-4-4 判斷V_q是否為空，若為空，則繼續(xù)，否則跳轉(zhuǎn)至Step2-4-3，

Step2-4-5 判斷CI是否為空，若為空，則結(jié)束策略一，否則跳轉(zhuǎn)至Step2-4-1；

上述樣本分配策略二的詳細(xì)步驟如下所述：

Step2-5-1 確定識(shí)別矩陣S：初始化未分配樣本集合Un，對(duì)Un中的每個(gè)元素u_i，統(tǒng)計(jì)KNN(u_i)中屬于類(lèi)別c(c＝1,2,…,|CI|)的樣本數(shù)N_c(u_i)，得到一個(gè)1×|CI|的向量N(u_i)，則Un中的全部元素構(gòu)成一個(gè)|Un|×|CI|的識(shí)別矩陣S，其中s(i,j)＝N_j(i)，i＝1,2,…,|Un|，j＝1,2,…,|CI|；

Step2-5-2 執(zhí)行樣本分配：從矩陣S中選擇出將被分配的樣本p，樣本p是矩陣S中元素最大值對(duì)應(yīng)的樣本，即N_k(p)＝max{N_j(i)|i＝1,2,…,|Un|；j＝1,2,…,|CI|}，對(duì)樣本點(diǎn)p按照如下方式分配：

a)如果N_k(p)＝K，則將矩陣S中最大值為K的全部樣本分配到最大值所對(duì)應(yīng)的類(lèi)別，繼續(xù)Step2-5-3；

b)如果0＜N_k(p)＜K，則從矩陣S中隨機(jī)選擇一個(gè)最大值為N_k(p)的樣本點(diǎn)，將該樣本點(diǎn)分配到最大值所對(duì)應(yīng)的類(lèi)別，標(biāo)記被分配樣本為p，繼續(xù)Step2-5-3；

c)否則結(jié)束策略二；

Step2-5-3 更新識(shí)別矩陣S：對(duì)于KNN(p)中沒(méi)有分配的樣本q，令N_k(q)＝N_k(q)+1，并將該樣本點(diǎn)對(duì)應(yīng)向量N(p)從S中刪除；

Step2-5-4 更新集合Un，判斷Un是否為空，若為空，則結(jié)束策略二，否則跳轉(zhuǎn)至Step2-5-2；

按照上述方法進(jìn)行聚類(lèi)處理，可獲得EGTM時(shí)序數(shù)據(jù)分類(lèi)結(jié)果，將每一類(lèi)中的數(shù)據(jù)分別采用適合的多項(xiàng)式函數(shù)進(jìn)行擬合，即可獲得快速衰退階段的性能衰退模式；

步驟2所述正常衰退階段模式挖掘具體通過(guò)線性回歸模型描述發(fā)動(dòng)機(jī)在該階段的性能衰退模式；

所述步驟1中粗大誤差處理采用箱型圖法對(duì)發(fā)動(dòng)機(jī)的性能參數(shù)進(jìn)行粗大誤差的處理，箱形圖法依據(jù)時(shí)序數(shù)據(jù)的四分位數(shù)和四分位距建立數(shù)據(jù)的置信區(qū)間，超出這個(gè)置信區(qū)間的數(shù)據(jù)被識(shí)別為異常點(diǎn)，具體為：將一組數(shù)據(jù)按照從大到小的順序排列，根據(jù)排序后數(shù)列的上下四分位計(jì)算出數(shù)列的置信區(qū)間，在該區(qū)間內(nèi)的數(shù)據(jù)點(diǎn)為正常值，超出該區(qū)間的數(shù)據(jù)點(diǎn)為異常值，該置信區(qū)間的表達(dá)式如式3-1所示：

式中Q₁——數(shù)列的下四分位；

Q₂——數(shù)列的上四分位；

QD——數(shù)列的四分位距，QD＝Q₂-Q₁；

——常數(shù)，與該數(shù)列的測(cè)量精度有關(guān)；

由上述分析，箱形圖法進(jìn)行誤差判別的關(guān)鍵在于四分位數(shù)的確定，下面給出四分位數(shù)的計(jì)算步驟：

Step1-1 確定樣本數(shù)列的數(shù)據(jù)個(gè)數(shù)n，并按照從小到大的順序排序，

Step1-2 確定上下四分位數(shù)在數(shù)列中的位置，

設(shè)下四分位數(shù)Q₁在數(shù)列中的位置為上四分位數(shù)Q₂在數(shù)列中的位置為可分別由式3-2和式3-3計(jì)算確定：

Step1-3 根據(jù)四分位數(shù)的位置來(lái)確定四分位數(shù)；

當(dāng)和為整數(shù)時(shí)，四分位數(shù)的數(shù)值即為數(shù)列中相應(yīng)位置的數(shù)值，當(dāng)和不為整數(shù)時(shí)，相應(yīng)的四分位數(shù)是與其左右相鄰的兩個(gè)位置上的數(shù)值的加權(quán)平均數(shù)，如式3-4所示：

式中左側(cè)位置的數(shù)值；

右側(cè)位置的數(shù)值；

a_i——的小數(shù)部分；

由此即可判別出時(shí)序數(shù)列中的粗大誤差點(diǎn)，對(duì)識(shí)別出的粗大誤差點(diǎn)用該點(diǎn)左右相鄰的兩個(gè)數(shù)據(jù)點(diǎn)的平均值替代，在實(shí)際判別時(shí)，首先將時(shí)序數(shù)據(jù)分為若干組，分別對(duì)每組數(shù)據(jù)進(jìn)行處理。