[發(fā)明專利]一種航空發(fā)動機動態(tài)過程的氣路故障診斷方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201711443574.6
• 申請日: 2017-12-27
• 公開（公告）號: CN108256173B
• 公開（公告）日: 2021-06-22
• 發(fā)明（設(shè)計）人: 魯峰;蔣繼鵬;黃金泉;仇小杰;吳斌
• 申請（專利權(quán)）人: 南京航空航天大學(xué)
• 主分類號: G06F30/15
• 分類號: G06F30/15;G06F30/20
• 代理公司: 南京瑞弘專利商標(biāo)事務(wù)所(普通合伙) 32249
• 代理人: 賈郡

1.一種航空發(fā)動機動態(tài)過程的氣路故障診斷方法，其特征在于，包括以下步驟：

步驟A，將航空發(fā)動機歷史故障時間序列數(shù)據(jù)進行基于多層核極限學(xué)習(xí)機的特征提取網(wǎng)絡(luò)訓(xùn)練并得到特征序列；

步驟B，對步驟A所得特征序列，進行隱馬爾科夫模型的訓(xùn)練，每一個故障模式都訓(xùn)練一個各自的隱藏馬爾科夫模型以形成發(fā)動機氣路故障診斷庫；

步驟C，利用發(fā)動機氣路故障診斷庫判斷當(dāng)前的故障時間序列數(shù)據(jù)對應(yīng)的隱藏馬爾科夫模型，從而得到當(dāng)前的故障時間序列數(shù)據(jù)對應(yīng)的故障模式；

步驟A的具體步驟如下：

步驟A1，將航空發(fā)動機歷史故障時間序列數(shù)據(jù)進行標(biāo)準(zhǔn)化處理，所述數(shù)據(jù)由航空發(fā)動各氣路部件傳感器參數(shù)組成；

步驟A2，將步驟A1所得標(biāo)準(zhǔn)化處理后的數(shù)據(jù)利用核函數(shù)進行核映射投影，得到高維觀測序列，并計算其核矩陣；

步驟A3，對步驟A2所得高維觀測序列進行基于多層核極限學(xué)習(xí)機的特征提取網(wǎng)絡(luò)訓(xùn)練并得到新的特征序列；

所述多層核極限學(xué)習(xí)機網(wǎng)絡(luò)訓(xùn)練得到新的特征序列為降階核特征序列。

2.如權(quán)利要求1所述的航空發(fā)動機動態(tài)過程的氣路故障診斷方法，其特征在于，步驟A3中高維觀測序列進行基于多層核極限學(xué)習(xí)機的特征提取網(wǎng)絡(luò)訓(xùn)練的詳細步驟如下：

確定網(wǎng)絡(luò)層數(shù)及各層的激活函數(shù)、核參數(shù)與正則化系數(shù)，逐層計算每一層的轉(zhuǎn)換矩陣，直至計算出輸出層的輸出權(quán)值矩陣，最終得到特征提取網(wǎng)絡(luò)。

3.如權(quán)利要求1所述的航空發(fā)動機動態(tài)過程的氣路故障診斷方法，其特征在于，步驟B的具體步驟如下：

步驟B1，確定隱馬爾科夫模型的拓撲結(jié)構(gòu)，隱藏狀態(tài)數(shù)，觀測狀態(tài)數(shù)以及迭代步數(shù)閥值；

步驟B2，將經(jīng)過步驟A處理后得到的降階核特征序列的每一維的數(shù)據(jù)進行標(biāo)量化處理，得到離散特征序列；

步驟B3，利用所述離散特征序列進行隱馬爾科夫模型的訓(xùn)練，每一個故障模式都訓(xùn)練一個各自的隱藏馬爾科夫模型以形成故障診斷庫。

4.如權(quán)利要求3所述航空發(fā)動機動態(tài)過程的氣路故障診斷方法，其特征在于，步驟B2中所述標(biāo)量化處理采用Lloyds算法針對整體數(shù)據(jù)生成對應(yīng)的分區(qū)向量。

5.如權(quán)利要求3所述航空發(fā)動機動態(tài)過程的氣路故障診斷方法，其特征在于，步驟B3中采用的隱馬爾科夫模型的訓(xùn)練基于多維樣本序列的滾動重估EM方法。

6.如權(quán)利要求1所述航空發(fā)動機動態(tài)過程的氣路故障診斷方法，其特征在于，所述步驟C的具體步驟為：

步驟C1，將當(dāng)前的航空發(fā)動機故障時間序列數(shù)據(jù)進行基于多層核極限學(xué)習(xí)機的特征提取網(wǎng)絡(luò)訓(xùn)練并得到特征序列；

步驟C2，計算步驟C1所得特征序列與步驟B所得每一個隱藏馬爾科夫模型的相似概率，相似概率最大值對應(yīng)的隱藏馬爾科夫模型所對應(yīng)的故障模式即為當(dāng)前的航空發(fā)動機故障時間序列數(shù)據(jù)對應(yīng)的故障模式。

7.一種航空發(fā)動機動態(tài)過程的氣路故障診斷系統(tǒng)，其特征在于，包括數(shù)據(jù)預(yù)處理模塊、數(shù)據(jù)特征提取模塊、數(shù)據(jù)量化模塊、隱馬爾科夫模型計算模塊、故障模式判定模塊：

所述數(shù)據(jù)預(yù)處理模塊用于對數(shù)據(jù)進行標(biāo)準(zhǔn)化處理，并將得到的序列數(shù)據(jù)輸入到所述數(shù)據(jù)特征提取模塊；

所述數(shù)據(jù)特征提取模塊用于對序列數(shù)據(jù)經(jīng)多層核極限學(xué)習(xí)機進行特征提取生成降階核特征序列數(shù)據(jù)并輸入到所述數(shù)據(jù)量化模塊；

所述數(shù)據(jù)量化模塊用于對降階核特征序列數(shù)據(jù)的量化生成離散特征序列數(shù)據(jù)并后續(xù)輸入到隱馬爾科夫模型；

所述隱馬爾科夫模型計算模塊對生成的離散特征序列利用概率計算公式計算其與當(dāng)前隱馬爾科夫模型的匹配概率值并取對數(shù)得到其概率似然度并輸入到所述故障模式判定模塊；

所述故障模式判定模塊將當(dāng)前序列與所有故障模式的隱藏馬爾科夫模型計算得到的概率似然度進行對比，概率似然度最大的隱藏馬爾科夫模型即對應(yīng)當(dāng)前的故障模式。