[發明專利]基于AANN網絡組的航空發動機控制系統傳感器故障診斷方法

有效

• 申請號: 202010341766.1
• 申請日: 2020-04-27
• 公開（公告）號: CN111474919B
• 公開（公告）日: 2022-03-25
• 發明（設計）人: 李慧慧;緱林峰;劉志丹;楊江
• 申請（專利權）人: 西北工業大學
• 主分類號: G05B23/02
• 分類號: G05B23/02
• 代理公司: 西北工業大學專利中心 61204
• 代理人: 陳星

1.一種基于AANN網絡組的航空發動機控制系統傳感器故障診斷方法，其特征在于：

包括以下步驟：

步驟1：分別采集航空發動機在不同工作狀態下，航空發動機控制系統中的若干可測傳感器數據，得到多組航空發動機控制系統傳感器的樣本數據集，每組樣本數據集對應航空發動機的一個工作狀態；

步驟2：對于每組樣本數據集，將其分為訓練集和驗證集兩部分，其中訓練集均為健康數據，用于訓練AANN網絡模型，驗證集采用健康數據與故障數據隨機混合，用于驗證訓練好的AANN網絡模型的性能；

步驟3：根據設定的航空發動機工作狀態數，建立相同個數的AANN網絡形成網絡組，每個網絡對應相應的工作狀態；然后將每種工作狀態相對應的樣本數據訓練集輸入到相應的AANN網絡中，訓練AANN網絡組直至達到訓練要求；

步驟4：將驗證集中的傳感器數據根據其所屬的工作狀態輸入到相應的AANN網絡中，計算出每一時刻t的網絡輸入與輸出之間的殘差，所述殘差由各個傳感器對應殘差組成；

步驟5：對于每個傳感器的殘差值，計算隨著測量狀態實時變化的自適應閾值：

步驟5.1：選擇一個時長T的窗口，從當前時刻t開始，向前截取一段殘差數據；

步驟5.2：對截取的殘差數據進行正態轉化；

步驟5.3：利用正態轉化后的殘差數據計算[t-T,t]時間段內的固定閾值J_RMS，將此閾值作為“窗口”中最后時刻t的殘差閾值：

其中T為窗口的長度，t為當前時刻，r(t)為正態轉化后的殘差數據；之后逐步移動窗口，不斷重復上述計算，得到每個步長時刻的殘差自適應閾值；

步驟6：將殘差與對應的殘差自適應閾值進行比較，如果殘差超出自適應閾值則斷定該傳感器發生故障；

步驟7：將驗證結果與驗證集中的故障數據進行準確率判斷，當準確率達到設定要求后，利用訓練得到的AANN網絡組對航空發動機控制系統傳感器進行實時故障診斷；如果準確率沒有達到設定要求，則返回步驟3重新進行AANN網絡訓練。

2.根據權利要求1所述一種基于AANN網絡組的航空發動機控制系統傳感器故障診斷方法，其特征在于：步驟1中采集航空發動機6個工作狀態下的控制系統傳感器樣本數據集，分別為停車，慢車，最大狀態、中間狀態、最小加力狀態和最大加力狀態。

3.根據權利要求1所述一種基于AANN網絡組的航空發動機控制系統傳感器故障診斷方法，其特征在于：航空發動機控制系統傳感器包括油門桿角度傳感器，進氣道溫度傳感器，低壓轉速傳感器，高壓轉速傳感器，壓縮機入口溫度傳感器，壓縮機出口壓力傳感器，高壓渦輪出口溫度傳感器，低壓渦輪出口溫度傳感器和低壓渦輪出口壓力傳感器。

4.根據權利要求1所述一種基于AANN網絡組的航空發動機控制系統傳感器故障診斷方法，其特征在于：在步驟3中進行AANN網絡訓練前，對樣本數據集中的數據進行預處理：

其中

x_j為待預處理的第j個傳感器的樣本數據向量，y_j為預處理后的第j個傳感器的樣本數據向量，所有傳感器的樣本數據向量組合得到預處理后的樣本數據集；為待預處理的第j個傳感器的樣本數據向量中的第i個樣本數據，n為樣本數據向量中的樣本個數。

5.根據權利要求1所述一種基于AANN網絡組的航空發動機控制系統傳感器故障診斷方法，其特征在于：步驟3中建立的AANN網絡模型包含1個輸入層，1個映射層、1個瓶頸層，1個解映射層和1個輸出層；瓶頸層的節點個數要少于映射層和解映射層的節點個數，并且映射層和解映射層的節點個數相同，且映射層與解映射層節點的數量和小于觀測值個數。

6.根據權利要求5所述一種基于AANN網絡組的航空發動機控制系統傳感器故障診斷方法，其特征在于：AANN網絡模型中輸入層、映射層、瓶頸層、解映射層和輸出層的節點數為9-32-6-32-9。