[發明專利]發動機渦輪盤故障診斷方法

有效

• 申請號: 202010088022.3
• 申請日: 2020-02-12
• 公開（公告）號: CN111337263B
• 公開（公告）日: 2022-07-26
• 發明（設計）人: 張曉瑜;汪子航;唐黎偉;許星愷;陳玖圣
• 申請（專利權）人: 中國民航大學
• 主分類號: G01M15/14
• 分類號: G01M15/14
• 代理公司: 北京瑞盛銘杰知識產權代理事務所(普通合伙) 11617
• 代理人: 李績

1.一種發動機渦輪盤故障診斷方法，其特征在于：包括：

接收到開始指令，所述開始指令用于指示初始化訓練數據集，基于開始指令初始化訓練數據集；

計算樣本的權重以及通過訓練數據集訓練加權支持向量機模型獲得支持向量數據集，并且存儲支持向量數據集；

收集新的測試數據塊，采用加權支持向量機模型對樣本進行故障檢測，檢測所述樣本是否為故障樣本；

如果檢測樣本為故障樣本則產生故障報警信號；

接收到結束檢測指令，基于結束檢測指令結束故障檢測；

判斷接收到的指令是否為結束檢測指令，如果是結束檢測指令則結束故障檢測，如果判斷為非結束檢測指令則收集新的訓練數據集；

當檢測樣本為非故障樣本，則收集新的訓練數據集；

基于收集的新的訓練數據集對訓練數據集進行增量模式及減量模式地更新；對更新后的訓練數據集，移除該新的數據集中冗余的樣本；

通過KNN模塊對冗余數據刪除；

將移除了冗余樣本的新的訓練數據集作為初始化訓練數據集進行計算樣本的權重以及訓練加權支持向量機模型；

在計算樣本的權重以及通過訓練數據集訓練加權支持向量機模型之后進行新的測試數據塊的收集；

所述增量模式為：TDS_t，t＝0,1,......,n，代表t時刻的訓練數據集，則TDS₀代表t＝0時刻的訓練數據集，WDS_t，t＝0,1,......,n，表示在t時刻的支持向量數據集，IDS_t，t＝1,2,......,n，表示在t時刻的新增樣本數據，NIDS_t，t＝1,2,......,n，表示在t時刻新增樣本數據IDS_t中正常的樣本數據；

所述增量模式采用代表歷史決策邊界的信息的支持向量數據集WDS_t-1和代表當前決策邊界的信息的新正常樣本數據NIDS_t來構建新的訓練數據集TDS_t，新的決策邊界由WDS_t-1和NIDS_t共同決定：

TDS_t＝WDS_t-1 U NIDS_t

在加權支持向量機中，采用RBF為核函數，RBF核函數為：

κ(x_i,x_j)＝exp(-γ||x_i-x_j||²),0＜γ＜+∞

其中,γ是RBF核函數的參數，x_i和x_j的距離越大，κ(x_i,x_j)的值越趨近于0，反之，x_i和x_j的距離越小，κ(x_i,x_j)的值越趨近于1；

樣本的權重用于判別樣本數據對故障檢測模型影響的影響程度，訓練樣本的權重的計算公式為：

W_i＝1-κ(x_i,x_mean)＝1-exp(-g||x_i-x_mean||²)

其中，x_mean表示支持向量數據集WDS_t-1的均值，g表示RBF核函數的參數，數據樣本和決策邊界間的距離隨著樣本權重的增加而增加，新引入的數據樣本具有較大的權重代表著決策邊界的變化信息；

所述減量模式為：基于KNN的冗余數據刪除算法，通過最大化輸入樣本的方差，得到訓練數據集的子集，其中，采用KNN框架保存具有最大歐氏距離的樣本，刪除具有較小歐氏距離的樣本；

所述減量模式，用于在縮減訓練數據樣本的同時保留訓練數據的基本結構，進而提高故障檢測模型的計算速度，并保持了故障檢測結果的正確性。