[發(fā)明專利]一種航空發(fā)動機全包線內(nèi)氣路部件故障特征提取及故障識別方法有效
| 申請?zhí)枺?/td> | 201811200056.6 | 申請日： | 2018-10-16 |
| 公開（公告）號： | CN109190304B | 公開（公告）日： | 2020-12-01 |
| 發(fā)明（設(shè)計）人： | 魯峰;閆召洪;黃金泉;丁華陽;仇小杰 | 申請（專利權(quán)）人： | 南京航空航天大學 |
| 主分類號： | G06F30/15 | 分類號： | G06F30/15;G06N3/08 |
| 代理公司： | 南京瑞弘專利商標事務(wù)所(普通合伙) 32249 | 代理人： | 秦秋星 |
| 地址： | 210016 江*** | 國省代碼： | 江蘇;32 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 一種 航空發(fā)動機 全包線內(nèi)氣路 部件 故障 特征 提取 識別 方法 | ||
1.一種航空發(fā)動機全包線內(nèi)氣路部件故障特征提取方法，其特征在于：包括以下步驟：
步驟1)根據(jù)發(fā)動機在飛行包線內(nèi)不同工作點、不同工作狀態(tài)下的典型氣路故障模式數(shù)據(jù)，采用ReliefF算法計算其特征影響權(quán)值，對所述特征影響權(quán)值進行加權(quán)計算并降序排列得到待選氣路故障特征影響權(quán)值序列；
步驟2)根據(jù)所述待選氣路故障特征影響權(quán)值序列將待選氣路故障特征依次增加形成新的特征子集，采用ELM故障診斷模型獲得各特征子集下的典型氣路故障識別精度，依據(jù)識別精度波動量確定包線內(nèi)最優(yōu)氣路故障特征；
所述步驟1)的具體步驟如下：
步驟1.1)將發(fā)動機模型在包線內(nèi)不同工作點不同工作狀態(tài)的氣路故障模式數(shù)據(jù)進行標準化處理，得到訓(xùn)練數(shù)據(jù)集D，所述氣路故障模式數(shù)據(jù)由各個傳感器的測量參數(shù)組成；
步驟1.2)初始化特征權(quán)值向量W(A)＝0，A＝1,2,...,p，采用ReliefF算法計算包線內(nèi)不同工作點不同工作狀態(tài)下的氣路故障特征影響權(quán)值；A表示氣路故障特征，p表示特征數(shù)目；
步驟1.3)對不同工作點不同工作狀態(tài)下氣路故障特征影響權(quán)值進行加權(quán)計算，確定待選氣路故障特征并降序排列。
2.根據(jù)權(quán)利要求1所述的一種航空發(fā)動機全包線內(nèi)氣路部件故障特征提取方法，其特征在于：所述步驟1.2)中采用ReliefF算法計算包線內(nèi)不同工作點不同工作狀態(tài)下的氣路故障特征影響權(quán)值的具體步驟如下：
步驟1.2.1)從故障模式訓(xùn)練集D中隨機選擇一個樣本記為Ri(i＝1,m)，在樣本空間里，找到與樣本Ri同類的k個最近鄰Hi，從不同類樣本中找到k個最近鄰Mj(C)(j＝1,k)；m為抽樣次數(shù)，C表示不同于A的樣本類別；
步驟1.2.2)采用ReliefF算法迭代更新航空發(fā)動機包線內(nèi)不同工作點和不同工作狀態(tài)下的氣路故障特征影響權(quán)值。
3.根據(jù)權(quán)利要求2所述的一種航空發(fā)動機全包線內(nèi)氣路部件故障特征提取方法，其特征在于：所述步驟1.2.2)中用ReliefF算法迭代更新航空發(fā)動機包線內(nèi)不同工作點、不同工作狀態(tài)下的氣路故障特征影響權(quán)值的具體步驟如下：
步驟1.2.2.1)更新航空發(fā)動機包線內(nèi)不同工作點每個特征影響權(quán)值
其中diff(A,Ri,Hj)表示樣本Ri與樣本Hi關(guān)于特征A的距離；m為抽樣次數(shù)；P(C)表示第C類目標的概率；class(Ri)表示樣本Ri擁有的類標簽；
步驟1.2.2.2)迭代更新航空發(fā)動機包線內(nèi)不同工作狀態(tài)下的氣路故障特征影響權(quán)值，直至所有樣本訓(xùn)練完成。
4.根據(jù)權(quán)利要求1所述的一種航空發(fā)動機全包線內(nèi)氣路部件故障特征提取方法，其特征在于：所述步驟1.3)中確定的待選氣路故障特征并降序排列的具體步驟如下：
步驟1.3.1)換算轉(zhuǎn)速為100％時權(quán)重為Wn,1，其余換算轉(zhuǎn)速權(quán)重為Wn,2，典型工作點的權(quán)重為We,1，其余工作點權(quán)重均為We,2，對所有工況下氣路故障模式數(shù)據(jù)的氣路故障特征影響權(quán)值進行加權(quán)平均計算；
步驟1.3.2)對加權(quán)平均后的發(fā)動機全包線內(nèi)氣路故障特征權(quán)值系數(shù)降序排列。
5.根據(jù)權(quán)利要求1所述的一種航空發(fā)動機全包線內(nèi)氣路部件故障特征提取方法，其特征在于：所述步驟2)中根據(jù)所述待選氣路故障特征影響權(quán)值序列將待選氣路故障特征依次增加形成新的特征子集，用于ELM模型的故障模式識別的具體步驟如下：
步驟2.1)將ELM故障診斷模型輸入層權(quán)值和隱含層偏置隨機初始化，隱含層激活函數(shù)為sigmoid函數(shù)；
步驟2.2)基于ELM模型將得到所有特征子集分別用于發(fā)動機故障模式識別，根據(jù)識別精度波動量是否超出波動閾值V，從待選氣路故障特征中確定最優(yōu)氣路故障特征集。
6.基于權(quán)利要求1-5任一所述方法的航空發(fā)動機全包線內(nèi)氣路部件故障識別方法，其特征在于，根據(jù)最優(yōu)故障特征集，基于ELM故障診斷模型利用測試數(shù)據(jù)完成氣路故障診斷驗證，具體步驟為：
步驟3.1)根據(jù)最優(yōu)氣路故障特征集，將篩選所得數(shù)據(jù)集分為訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集；
步驟3.2)利用訓(xùn)練數(shù)據(jù)集訓(xùn)練ELM故障診斷模型，再代入測試數(shù)據(jù)集進行氣路故障診斷。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于南京航空航天大學，未經(jīng)南京航空航天大學許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201811200056.6/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
