[發明專利]一種基于不均衡樣本的航空發動機故障診斷方法、系統

在審

• 申請號: 201910028648.2
• 申請日: 2019-01-11
• 公開（公告）號: CN109753742A
• 公開（公告）日: 2019-05-14
• 發明（設計）人: 鐘詩勝;張永健;付旭云;李旭
• 申請（專利權）人: 哈爾濱工業大學（威海）
• 主分類號: G06F17/50
• 分類號: G06F17/50
• 代理公司: 北京格允知識產權代理有限公司 11609
• 代理人: 張沫;周嬌嬌

本申請涉及一種基于不均衡樣本的航空發動機故障診斷方法、系統。所述基于不均衡樣本的航空發動機故障診斷方法包括：獲取不均衡樣本集的不均衡樣本特征集；對不均衡樣本特征集進行采樣，從而生成多個均衡樣本特征子集；為每個均衡樣本特征子集生成與每個均衡樣本特征子集對應的訓練后的集成分類器，各個訓練后的集成分類器形成一個訓練后的集成分類器組；獲取航空發動機待測試集的待測試特征集；生成與均衡樣本特征子集數量相同的均衡樣本待測試特征子集；將均衡樣本待測試特征子集輸入至訓練后的集成分類器組中，從而獲得對應的航空發動機是否故障的結果。本申請提供的基于不均衡樣本的航空發動機故障診斷方法通過進行采樣，具有更可靠的準確性。

技術領域

本申請涉及控制臺技術領域，尤其涉及一種基于不均衡樣本的航空發動機故障診斷方法、基于不均衡樣本的航空發動機故障診斷系統、電子設備以及計算機可讀存儲介質。

背景技術

民航發動機作為飛機上最主要的部件之一，對其進行故障診斷研究，不僅可以保證飛機的安全運行，也可以保證生命及財產安全。

民航發動機故障主要有氣路故障、機械零部件故障以及附件故障三種。據中國民航科學技術研究院對我國2011-2015年民航事故統計，氣路故障大約占發動機故障的60％左右。

近年來，很多學者針對民航發動機氣路故障診斷做了深入研究，總結其研究方法，大致可以分為三類：基于模型的故障診斷方法、基于知識的故障診斷方法和基于數據的故障診斷方法。隨著機器學習、深度學習等人工智能技術的快速發展，基于數據的故障診斷方法通過構建智能算法模型挖掘發動機數據間的內部特征，越來越廣泛的應用到發動機狀態監測中。

民航發動機數據參數多、參數之間關系復雜、正常樣本與故障樣本比例不均衡。傳統的發動機故障診斷方法在處理發動機數據時存在兩個問題。一方面，傳統的特征提取方法如主成分分析(Principal Component Analysis，PCA)、線性判別分析(LinearDiscriminant Analysis，LDA)等難以挖掘民航發動機數據間的深層特征。

另一方面，傳統的分類器大部分以最大化全部樣本分類準確率為目標，難以保證我們比較關注的故障樣本有很好的準確率。在工程應用領域，一般認為多數類與少數類樣本數量比高于2:1時，樣本分布具有不均衡性。

因此，針對以上不足，需要提供一種技術方案來克服或至少減輕現有技術的至少一個上述缺陷。

申請內容

本申請要解決的技術問題在于，針對現有技術中的缺陷，提供了一種控制臺。

為了解決上述技術問題，本申請提供了一種基于不均衡樣本的航空發動機故障診斷方法，所述基于不均衡樣本的航空發動機故障診斷方法包括：獲取不均衡樣本集的不均衡樣本特征集，其中，所述不均衡樣本特征集包括正常樣本特征以及故障樣本特征，所述正常樣本特征的數量與故障樣本特征的數量不同；對所述不均衡樣本特征集進行采樣，從而生成多個均衡樣本特征子集，每個均衡樣本特征子集包括正常樣本特征以及故障樣本特征，其中，正常樣本特征與故障樣本特征的數量相同；為每個均衡樣本特征子集生成與每個均衡樣本特征子集對應的訓練后的集成分類器，各個訓練后的集成分類器形成一個訓練后的集成分類器組；獲取航空發動機待測試集的待測試特征集，所述待測試特征集包括多個待測試特征，每個航空發動機待測試樣本對應一個待測試特征；對所述待測試特征集進行采樣，從而生成與均衡樣本特征子集數量相同的均衡樣本待測試特征子集；將各個均衡樣本待測試特征子集輸入至訓練后的集成分類器組中，從而獲得各個均衡樣本待測試特征子集對應的航空發動機是否故障的結果。

可選地，在獲取不均衡樣本集的不均衡樣本特征集之前包括：獲取不均衡樣本集，其中，不均衡樣本集包括正常樣本以及故障樣本，所述正常樣本的數量與所述故障樣本的數量不同，一個所述正常樣本對應一個所述正常樣本特征，一個所述故障樣本特征對應一個故障樣本特征；在獲取航空發動機待測試集的待測試特征集之前包括：獲取航空發動機待測試集，所述航空發動機待測試集包括多個航空發動機待測試樣本；