[發(fā)明專利]飛機(jī)環(huán)控系統(tǒng)故障識別模型構(gòu)建方法、模型及識別方法

在審

• 申請?zhí)枺?/td>: 202010032272.5
• 申請日: 2020-01-13
• 公開（公告）號: CN111259949A
• 公開（公告）日: 2020-06-09
• 發(fā)明（設(shè)計）人: 黃剛;許政;畢茂華;封桂榮
• 申請（專利權(quán)）人: 山東超越數(shù)控電子股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06N20/20
• 代理公司: 濟(jì)南信達(dá)專利事務(wù)所有限公司 37100
• 代理人: 孫園園

本發(fā)明公開了一種飛機(jī)環(huán)控系統(tǒng)故障識別模型構(gòu)建方法、模型及識別方法，屬于故障識別領(lǐng)域，要解決的技術(shù)問題為如何為飛機(jī)環(huán)控系統(tǒng)提供準(zhǔn)確的故障識別。構(gòu)建方法包括：獲取飛機(jī)多個架次的N種環(huán)控系統(tǒng)參數(shù)，并構(gòu)建時序數(shù)據(jù)集；進(jìn)行預(yù)處理；進(jìn)行人工標(biāo)記，標(biāo)記故障狀態(tài)；提取時域信號和頻域信號；基于上述時域信號構(gòu)建時域弱分類器，基于上述頻域信號構(gòu)建頻域弱分類器；通過adaboost集成學(xué)習(xí)算法將時域弱分類器和建頻域弱分類器進(jìn)行集成，得到基于CNN神經(jīng)網(wǎng)絡(luò)和集成學(xué)習(xí)的故障識別模型。模型為上述方法構(gòu)建的模型。識別方法為通過上述方法構(gòu)建的模型進(jìn)行故障識別。

技術(shù)領(lǐng)域

本發(fā)明涉及故障識別領(lǐng)域，具體地說是一種飛機(jī)環(huán)控系統(tǒng)故障識別模型構(gòu)建方法、模型及識別方法。

背景技術(shù)

從上世紀(jì)90年代至今，航空裝備技術(shù)飛速發(fā)展，尤其是在軍事戰(zhàn)略的調(diào)整以及航空裝備作戰(zhàn)使用樣式發(fā)生變化的大環(huán)境下，飛機(jī)地面保障的要求越來越高，而保障飛機(jī)環(huán)控系統(tǒng)在其中是最為根本的因素。軍事科技的飛速發(fā)展對航空發(fā)動機(jī)的保障以及故障預(yù)測提出了更高的要求。但是在長期的發(fā)展中，飛機(jī)環(huán)控系統(tǒng)的保障技術(shù)總是落后于其他航天裝備的技術(shù)。原有的飛機(jī)環(huán)控系統(tǒng)保障體系在新裝備條件下面臨巨大的挑戰(zhàn)，而對其保障的不到位，會大大降低軍用飛機(jī)的戰(zhàn)備完好率。

飛機(jī)環(huán)控系統(tǒng)的故障識別缺乏量化分析，而且在實際使用及維護(hù)過程中積累的經(jīng)驗和數(shù)據(jù)沒能與設(shè)計數(shù)據(jù)很好地結(jié)合分析，造成理論與實際的脫離。飛機(jī)環(huán)控系統(tǒng)的故障狀態(tài)沒有自動識別機(jī)制，機(jī)務(wù)外場設(shè)備維護(hù)人員在檢測飛機(jī)環(huán)控系統(tǒng)的故障狀態(tài)時，難以做到心中有數(shù)，預(yù)見性不足，導(dǎo)致難以準(zhǔn)確地對飛機(jī)環(huán)控系統(tǒng)進(jìn)行故障預(yù)測。

當(dāng)飛機(jī)環(huán)控系統(tǒng)在發(fā)生故障后，機(jī)務(wù)外場維護(hù)人員也很難針對故障現(xiàn)象及可靠性數(shù)據(jù)、指標(biāo)數(shù)據(jù)等的綜合分析，進(jìn)行明確的異常檢測，從而很難找到最優(yōu)的異常檢測方法。這使得飛機(jī)環(huán)控系統(tǒng)維修成本增大，同時環(huán)控系統(tǒng)也得不到良好的維護(hù)，導(dǎo)致資源的浪費(fèi)。

飛行環(huán)控系統(tǒng)的故障識別是預(yù)測飛機(jī)環(huán)控系統(tǒng)健康狀態(tài)的基礎(chǔ)，它時刻影響著軍用飛機(jī)的作戰(zhàn)效率和維修保障效率，因此其在整個部隊中的作用極為重要，所以，在大力發(fā)展航空裝備的同時，如何為飛機(jī)環(huán)控系統(tǒng)提供準(zhǔn)確的故障識別也是地面保障領(lǐng)域中亟待解決的技術(shù)問題。

發(fā)明內(nèi)容

本發(fā)明的技術(shù)任務(wù)是針對以上不足，提供一種飛機(jī)環(huán)控系統(tǒng)故障識別模型構(gòu)建方法、模型及識別方法，來解決如何為飛機(jī)環(huán)控系統(tǒng)提供準(zhǔn)確的故障識別的問題。

第一方面，本發(fā)明提供一種飛機(jī)環(huán)控系統(tǒng)故障識別模型構(gòu)建方法，基于卷積神經(jīng)網(wǎng)絡(luò)和集成學(xué)習(xí)生成用于檢測飛機(jī)環(huán)控系統(tǒng)故障的故障識別模型，所述構(gòu)建方法包括如下步驟：

獲取飛機(jī)多個架次的N種環(huán)控系統(tǒng)參數(shù)，并構(gòu)建時序數(shù)據(jù)集，所述環(huán)控系統(tǒng)參數(shù)為對環(huán)控系統(tǒng)故障敏感的飛機(jī)參數(shù)，所述時序數(shù)據(jù)集S表示為：

S＝{s⁽ⁱ⁾|i＝1,2,K,N}；

對于上述時序數(shù)據(jù)集進(jìn)行預(yù)處理；

對于上述時序數(shù)據(jù)集進(jìn)行人工標(biāo)記，標(biāo)記故障狀態(tài)；

對于上述N種環(huán)控系統(tǒng)參數(shù)，提取時域信號和頻域信號；

基于上述時域信號構(gòu)建時域弱分類器，基于上述頻域信號構(gòu)建頻域弱分類器，所述時域弱分類器和頻域弱分類器均為CNN神經(jīng)網(wǎng)絡(luò)模型；

通過adaboost集成學(xué)習(xí)算法將時域弱分類器和建頻域弱分類器進(jìn)行集成，得到基于CNN神經(jīng)網(wǎng)絡(luò)和集成學(xué)習(xí)的故障識別模型。

作為優(yōu)選，所述環(huán)控系統(tǒng)參數(shù)包括但不限于交流電源電壓、交流電壓頻率、第一低液壓開關(guān)表決信號、第二低液壓開關(guān)表決信號、左輪載開關(guān)表決信號、右輪載開關(guān)表決信號、電子設(shè)備溫度、探頭加溫狀態(tài)；

所述時序數(shù)據(jù)集的采樣頻率為f，上述時序數(shù)據(jù)集劃分為f組數(shù)據(jù)集。