[發(fā)明專利]一種航空發(fā)動(dòng)機(jī)全包線內(nèi)氣路部件故障特征提取及故障識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201811200056.6
• 申請(qǐng)日: 2018-10-16
• 公開（公告）號(hào): CN109190304B
• 公開（公告）日: 2020-12-01
• 發(fā)明（設(shè)計(jì)）人: 魯峰;閆召洪;黃金泉;丁華陽(yáng);仇小杰
• 申請(qǐng)（專利權(quán)）人: 南京航空航天大學(xué)
• 主分類號(hào): G06F30/15
• 分類號(hào): G06F30/15;G06N3/08
• 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: 秦秋星

本發(fā)明公開了一種航空發(fā)動(dòng)機(jī)全包線內(nèi)氣路部件故障特征提取及故障識(shí)別方法，包括：采用ReliefF算法計(jì)算包線內(nèi)不同飛行條件下的典型氣路部件故障模式的影響權(quán)值，選擇典型故障模式特征，依據(jù)影響權(quán)值結(jié)合包線內(nèi)工作狀態(tài)條件參數(shù)對(duì)待選故障特征降序排列；根據(jù)序列將待選故障特征依次增加形成新的特征子集，采用基于ELM故障診斷模型識(shí)別典型故障模式，根據(jù)包線內(nèi)氣路部件故障識(shí)別精度的波動(dòng)量確定氣路部件故障特征，發(fā)動(dòng)機(jī)氣路部件故障特征用于進(jìn)一步氣路部件故障診斷。本發(fā)明解決了航空發(fā)動(dòng)機(jī)全包線內(nèi)不同工作狀態(tài)下的氣路故障特征提取和故障識(shí)別問(wèn)題，拓展了現(xiàn)有航空發(fā)動(dòng)機(jī)氣路故障診斷的適用邊界，降低了用于發(fā)動(dòng)機(jī)氣路部件故障診斷的參數(shù)維數(shù)。

技術(shù)領(lǐng)域

本發(fā)明屬于航空發(fā)動(dòng)機(jī)氣路故障診斷技術(shù)領(lǐng)域，具體涉及一種航空發(fā)動(dòng)機(jī)全包線內(nèi)氣路部件故障特征提取及故障識(shí)別方法。

背景技術(shù)

航空發(fā)動(dòng)機(jī)作為飛機(jī)的關(guān)鍵部件之一，其可靠性直接影響飛機(jī)的飛行安全。而航空發(fā)動(dòng)機(jī)經(jīng)常在惡劣的環(huán)境條件下工作，飛行包線寬廣，氣路參數(shù)之間存在復(fù)雜耦合關(guān)系，為了提高其包線內(nèi)不同工況下安全性、可靠性和經(jīng)濟(jì)性，有必要對(duì)發(fā)動(dòng)機(jī)進(jìn)行全包線內(nèi)實(shí)時(shí)狀態(tài)監(jiān)測(cè)和故障診斷。

隨著機(jī)器學(xué)習(xí)的興起，出現(xiàn)了基于極限學(xué)習(xí)機(jī)(ELM)故障診斷模型識(shí)別典型故障模式的方法。但是用于極限學(xué)習(xí)機(jī)故障診斷的故障數(shù)據(jù)維數(shù)過(guò)多，容易造成數(shù)據(jù)冗余，而且目前的航空發(fā)動(dòng)機(jī)故障診斷技術(shù)中并沒(méi)有相關(guān)的故障特征集能用于全包線內(nèi)不同飛行條件和不同工作狀態(tài)下的故障模式識(shí)別，因此需要利用ReliefF(Relevant Features)特征提取算法篩選出最優(yōu)故障特征集。

ReliefF算法是一種經(jīng)典的過(guò)濾式特征選擇算法，可以解決多類問(wèn)題。該算法根據(jù)特征對(duì)近距離樣本的區(qū)分能力進(jìn)行評(píng)估，計(jì)算不同故障特征的影響權(quán)值系數(shù)。不過(guò)使用該算法進(jìn)行特征提取有一定的局限性，因?yàn)樗崛〔煌w行條件和工作狀態(tài)下的故障數(shù)據(jù)的特征各自不同，無(wú)法在全包線內(nèi)使用同一個(gè)故障特征集，這對(duì)于航空發(fā)動(dòng)機(jī)的氣路部件故障診斷是不現(xiàn)實(shí)的。因此在此基礎(chǔ)上，本發(fā)明賦予不同工作點(diǎn)和工況不同的權(quán)重，然后采用加權(quán)平均的方法，得到每個(gè)故障特征適用于全包線內(nèi)的影響權(quán)值并降序排列，根據(jù)ELM模型的識(shí)別精度波動(dòng)量確定最優(yōu)故障特征集，有效地將航空發(fā)動(dòng)機(jī)氣路故障診斷范圍擴(kuò)展到了全包線，并降維簡(jiǎn)化了ELM故障診斷模型拓?fù)浣Y(jié)構(gòu)。

發(fā)明內(nèi)容

本發(fā)明使用ReliefF算法對(duì)航空發(fā)動(dòng)機(jī)包線內(nèi)典型故障模式進(jìn)行分析處理，計(jì)算包線內(nèi)不同飛行條件和不同換算轉(zhuǎn)速下的典型氣路部件故障模式的影響權(quán)值系數(shù)，并賦予不同的權(quán)重，進(jìn)行加權(quán)平均，得到每個(gè)特征的總的影響權(quán)值，降序排列，根據(jù)序列將特征依次增加形成新的特征子集，再用ELM算法診斷故障，根據(jù)識(shí)別精度的波動(dòng)量是否超出波動(dòng)閾值來(lái)確定最優(yōu)的氣路部件故障特征集，最后用ELM故障診斷模型對(duì)所選的故障特征進(jìn)行仿真驗(yàn)證。這使得能用于基于ELM算法的航空發(fā)動(dòng)機(jī)故障診斷的飛行條件擴(kuò)展到了全包線，并達(dá)到了降維的目的，這簡(jiǎn)化了計(jì)算的復(fù)雜性。

技術(shù)方案：為實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案為：

一種航空發(fā)動(dòng)機(jī)全包線內(nèi)氣路部件故障特征提取方法，包括以下步驟：

步驟1)根據(jù)發(fā)動(dòng)機(jī)在飛行包線不同工作點(diǎn)、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(jì)算其特征影響權(quán)值，對(duì)所述特征影響權(quán)值進(jìn)行加權(quán)計(jì)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(shí)別精度，依據(jù)識(shí)別精度波動(dòng)量確定包線內(nèi)最優(yōu)氣路故障特征。

優(yōu)選的：所述步驟1)中根據(jù)飛行包線內(nèi)不同工作點(diǎn)不同工作狀態(tài)下的氣路故障模式數(shù)據(jù)，采用ReliefF算法處理分析氣路故障數(shù)據(jù)獲得待選氣路故障特征的具體步驟如下：