[發明專利]一種飛機整機的綜合故障診斷方法

在審

• 申請號: 201911347628.8
• 申請日: 2019-12-24
• 公開（公告）號: CN111192379A
• 公開（公告）日: 2020-05-22
• 發明（設計）人: 陳豪;陳松航;劉哲夫;王耀宗;連明昌;王森林;張丹
• 申請（專利權）人: 泉州裝備制造研究所
• 主分類號: G07C5/08
• 分類號: G07C5/08;G06N3/08
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 郭錦輝;陳藝琴

本發明公開了一種飛機整機的綜合故障診斷方法，針對信息化程度較高的大型飛機整機設備，形成一種結合大數據、深度學習和考慮特征時變的方法，主要涉及：首先進行飛機整機設備的不確定問題下的狀態參數關聯性分析，然后通過多尺度混合模型和深度學習對整機進行健康預估和壽命預測，最后通過深度學習與在線自校正機制進行機電類故障預警，從而最終實現整機的綜合故障診斷。

技術領域

本發明涉及一種飛機整機綜合故障診斷方法。

背景技術

與傳統飛機相比，新一代飛機整機采用了大量的創新技術，以提升整機的飛行性能、智能程度、安全性能以及戰斗能力。然而，飛機整機由眾多精密零部件組成，機械結構復雜，耦合程度極高，在飛行過程中處于惡劣多變的環境中，常常隨著機體承受著外界碰撞和強干擾，屬于故障多發系統。明顯的機械故障將導致飛機局部失靈失效，即便是輕微的震蕩，也可能因傳動系統而層層放大，進而導致明顯故障，嚴重的甚至會釀成飛機失事等重大災難。

傳統的機電類故障診斷與預測方法主要依賴故障無力模型、專家知識庫所提取的故障特征，其依賴先驗知識對系統內部邏輯關系進行人工提取和描述，已經無法應對飛行愈加復雜的系統問題。近年來，航空裝備數據資源日益豐富，各類方法興起，但是這些方法大多適用于中小規模的數據，對于海量數據容易出現模型單一、計算時間過長等缺點，且模型缺乏自適應性。

發明內容

為了解決上述技術問題，本發明的目的在于提供一種飛機整機綜合故障診斷方法。

本發明通過以下技術方案來實現：一種飛機整機的綜合故障診斷方法，包括：

S1：首先進行飛機整機設備的不確定問題下的狀態參數關聯性分析；

S2：然后通過多尺度混合模型和深度學習對整機進行健康預估和壽命預測；

S3：最后通過深度學習與在線自校正機制進行機電類故障預警。

優選地，所述S1中的飛機整機設備的不確定問題下的狀態參數關聯性分析方法為：①對于不穩定信噪比問題，采用在線聚類的方法，實時檢測數據噪聲，再通過自適應廣義形態濾波方法進行快速處理；②對于數據缺失問題，采用時間序列分析和滑動窗口結合的方式，使用迭代模型的擬合殘差以實時檢測缺失數據，選擇成組刪除的方式進行處理。

優選地，在S1中的針對狀態變量，使用核典型相關分析方法分析狀態變量間與關鍵指標或敏感參數之間的相關性。

優選地，在S2中還包括針對飛機整機建立全壽命任務剖面，同時將任務剖面細化為甲類使用剖面和乙類使用剖面；

所述甲類使用剖面是指從開機開始一直到完成任務為止的時間內，對影響飛機壽命的各種條件、周圍環境和影響參數的時序描述；

所述乙類使用剖面是從裝備驗證交付開始直到待機值班為止的時間內，對影響飛機壽命的各種條件、周圍環境和影響參數的時序描述。

優選地，在所述甲類使用剖面下，采用深度置信網絡建立健康評估模型。

優選地，在S3中，通過深度置信網絡結合決策融合算法，同時使用自適應算法進行在線的自校正，從而實現故障預警。

本發明具有如下有益效果：1.能夠用于多變量對多變量的問題，以及解決了整機數據噪聲、數據缺失等不確定性數據問題；2.能夠較準確的預測整機的實時健康狀況；3.統一了狀態數據預維修維護數據，建立了多尺度混合模型的壽命預測方法。

附圖說明

為了更清楚地說明本發明的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其它附圖。

圖1是本發明的流程圖。