[發明專利]一種基于相關性分析的敏感故障特征提取方法及裝置

有效

• 申請號: 202110005464.1
• 申請日: 2021-01-05
• 公開（公告）號: CN112836581B
• 公開（公告）日: 2023-09-01
• 發明（設計）人: 宋佳;艾紹潔;尚維澤;趙凱;蔡國飆
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06F18/213
• 分類號: G06F18/213;G06F18/241;G06F30/27;G06N3/12
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 劉鳳

本申請提供了一種基于相關性分析的敏感故障特征提取方法及裝置，其中，所述方法包括：從故障飛行器的攻角輸出信號中提取出多個時頻特征，基于故障飛行器的多個時頻特征，確定每個時頻特征的敏感故障因子，將敏感故障因子按照預設順序排序，得到與敏感故障因子對應的時頻特征的排序結果，根據時頻特征的排序結果，確定每個時頻特征與其所有前序時頻特征之間的冗余度因子，基于每個時頻特征的冗余度因子和敏感故障因子，確定預設數量個敏感故障特征。本申請通過將冗余度因子和敏感故障因子相結合，從而確定出敏感故障特征，可以在一定程度上解決由于敏感性差異較大和冗余過多而造成的故障診斷復雜的問題，提高了故障診斷性能。

技術領域

本申請涉及特征提取技術領域，具體而言，涉及一種基于相關性分析的敏感故障特征提取方法及裝置。

背景技術

高超聲速飛行器通常是指飛行速度在5馬赫數以上的飛機，導彈，炮彈和其他有翼或無翼飛行器。近年來，高超聲速飛行器憑借其卓越的飛行速度和強勁的突防能力成為了世界軍事大國研究和競爭的焦點。高超聲速飛行器的故障診斷要求極高的精確度和較快的診斷速度，目前，基于信號的方法和基于數據的方法相結合的故障診斷被廣泛應用。其中，特征提取作為故障診斷中舉足輕重的組成部分，是故障識別的前提條件。

現有的大部分研究都以提取的小波包分解信號能量特征作為分類器的特征輸入，單一特征會使后期故障分類和識別的魯棒性和泛化性能下降；多參量的特征輸入可以加強對故障描述的完備性，增加分類器對故障的識別能力，但過多特征由于敏感性差異較大和冗余過多的特點，會增加故障診斷的負擔；這些難點最終都將導致故障診斷精確度的下降和診斷速度的增加。

發明內容

有鑒于此，本申請的目的在于提供一種基于相關性分析的敏感故障特征提取方法及裝置，通過將冗余度因子和敏感故障因子相結合，從而確定出敏感故障特征，可以在一定程度上解決由于敏感性差異較大和冗余過多而造成的故障診斷復雜的問題，同時避免單一特征使后期故障分類和識別的魯棒性和泛化性能下降的問題，提高了故障診斷性能。

第一方面，本申請提供了一種基于相關性分析的敏感故障特征提取方法，所述方法包括：

從故障飛行器的攻角輸出信號中提取出多個時頻特征；

基于所述故障飛行器的多個時頻特征，確定每個時頻特征的敏感故障因子；

將所述敏感故障因子按照預設順序排序，得到與所述敏感故障因子對應的時頻特征的排序結果；

根據所述時頻特征的排序結果，確定每個時頻特征與其所有前序時頻特征之間的冗余度因子；

基于每個時頻特征的冗余度因子和敏感故障因子，確定預設數量個敏感故障特征。

優選地，所述從故障飛行器的攻角輸出信號中提取出多個時頻特征，包括：

對所述故障飛行器的攻角輸出信號進行小波包分解，得到多個不同頻段信號；

針對每個頻段信號，提取每個所述頻段信號中的多個時頻特征。

優選地，所述多個時頻特征包括波形指標、裕度指標、脈沖指標、峰值指標、絕對均值、標準差、偏斜度、峭度指標和方根幅值中的至少兩個。

優選地，通過以下步驟確定每個時頻特征的敏感故障因子：

基于計算出的故障飛行器同一工作狀態下目標時頻特征中包含的多個特征樣本的第一平均類內距離以及包含該目標時頻特征的故障類型的類型數目，得到所述目標時頻特征的第二平均類內距離；

基于計算出的故障飛行器同一工作狀態下目標時頻特征與其他時頻特征之間的第一平均類間距離以及包含該目標時頻特征的故障類型的數目，得到所述目標時頻特征的第二平均類間距離；其中，所述其他時頻特征為所述多個時頻特征中除所述目標時頻特征之外的所有時頻特征；