[發明專利]一種基于群體約減核極限學習機的航空發動機故障診斷方法

在審

• 申請號: 202010979682.0
• 申請日: 2020-09-17
• 公開（公告）號: CN112116101A
• 公開（公告）日: 2020-12-22
• 發明（設計）人: 趙永平;李兵;陳耀斌
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06N20/00
• 分類號: G06N20/00;G06K9/62;G01M15/14
• 代理公司: 南京瑞弘專利商標事務所(普通合伙) 32249
• 代理人: 陳國強

1.一種基于群體約減核極限學習機的航空發動機故障診斷方法，其特征在于：包括如下步驟：

步驟1，采集全飛行包線內的發動機數據，若航空發動機子部件正常，則記相應的標簽為正，反之則為負，將這些數據作為樣本；

步驟2，將樣本歸一化后，將樣本與其對應的樣本標簽作為訓練樣本訓練群體約減核極限學習機學習算法；

步驟3：用訓練得到的模型對航空發動機各部件進行故障檢測。

2.根據權利要求1所述的基于群體約減核極限學習機的航空發動機故障診斷方法，其特征在于：所述步驟1中，對于航空發動機子部件存在的故障，僅考慮低壓壓氣機(LPC)故障、高壓壓氣機(HPC)故障、高壓渦輪(HPT)故障和低壓渦輪(LPT)故障。

3.根據權利要求1所述的基于群體約減核極限學習機的航空發動機故障診斷方法，其特征在于：所述群體約減核極限學習機學習算法包括如下步驟：

步驟a，建立原始核極限學習機的數學模型；

步驟b，利用群體稀疏策略，重構核極限學習機的數學模型；

步驟c，利用交替迭代的方法求解重構的數學模型，得到輸出權重矩陣；

步驟d，計算輸出權重矩陣每行的二范數并得到權重集合，排除權重集合中的稀疏項；

步驟e，對權重集合中的元素進行排序，獲取從大到小元素的索引系數，取其中前s個索引系數，構建約減核矩陣，并得到輸出系數。

4.根據權利要求3所述的基于群體約減核極限學習機的航空發動機故障診斷方法，其特征在于：所述步驟a具體為：

定義目標函數為：

其中，為樣本信息，N為樣本總體數目，d為特征個數，m為類別個數，為輸出權重矩陣，ξ_i為第i個樣本的誤差向量，是一個未知的特征映射函數，C是平衡因子；對于第i個實例，x_i是一個d維的特征向量，t_i則是m維的標簽向量；T＝[t_i,…t_N]^T是樣本的標簽集，若樣本x_i屬于第j類，則t_ij為1，其余的為0；公式(1)的拉格朗日函數為：

其中α∈R^N×m是拉格朗日乘子，Tr(·)表示矩陣的跡操作符，為數據矩陣，根據KKT條件，有以下等式成立：

5.根據權利要求4所述的基于群體約減核極限學習機的航空發動機故障診斷方法，其特征在于：所述步驟b具體為：

將公式(3)和公式(4)代入公式(2)，得：

將公式(6)簡化為：

公式(7)中的凸優化問題與下列公式等價：

然后，求出L_D-KELM關于α的導數，并設其為0，有下列等式：

其中，I是相應維度的單位矩陣，K∈R^N×N是核矩陣，它的定義如下：

其中，核函數k(u,v)是預先定義的；

如果目標函數變為：

求出公式(11)中L_D-KELM關于α的導數，并設其為0，有下列等式：

在公式(12)的兩邊同時乘以K^-1，則公式(12)與公式(9)相等，因此公式(11)的最優解與公式(8)的相等；

公式(11)的第一項是經驗風險最小化項，第二項是正則化項；因此，用下列優化問題近似原始的優化問題：

其中，P是定義范數的實數；引入范數來重構目標函數，目標函數被定義為如下形式：