[發明專利]一種航空設備故障預測方法

在審

• 申請號: 202111241714.8
• 申請日: 2021-10-25
• 公開（公告）號: CN113962308A
• 公開（公告）日: 2022-01-21
• 發明（設計）人: 胡月;鄧棟;徐文文
• 申請（專利權）人: 成都飛機工業（集團）有限責任公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 成都天嘉專利事務所(普通合伙) 51211
• 代理人: 趙凱

1.一種航空設備故障預測方法，其特征在于，包括以下步驟：

a、獲取設備數據，并對設備數據進行歸一化處理，作為為降維模型訓練數據；

b、建立并訓練基于神經網絡算法和局部線性嵌入算法的故障特征參數提取模型，將歸一化處理后的降維模型訓練數據輸入故障特征參數提取模型，得到提取的數據特征；

c、建立并訓練多層感知機分類器；

d、將步驟b提取的數據特征輸入到多層感知機分類器中，得到當前設備系統狀態的預測結果。

2.根據權利要求1所述的一種航空設備故障預測方法，其特征在于：所述步驟a中，獲取設備數據具體是指獲取設備系統正常和故障狀態下數據采集器采集到的相關參數信號。

3.根據權利要求2所述的一種航空設備故障預測方法，其特征在于：所述相關參數信號是指正常運行數據和故障運行數據。

4.根據權利要求1所述的一種航空設備故障預測方法，其特征在于：所述步驟a中，對設備數據進行歸一化處理具體是指假設第i個參數數據為Pi＝[p1，p2，...，pm]，將n個參數數據按列整合成數據集原始特征矩陣X＝[P1，P2，...，Pn]，并獲取數據集對應的故障標簽矩陣Y＝[0，0，...1]，再對數據集原始特征矩陣X進行歸一化處理。

5.根據權利要求1所述的一種航空設備故障預測方法，其特征在于：所述步驟b中，建立并訓練基于神經網絡算法和局部線性嵌入算法的故障特征參數提取模型具體是指通過神經網絡輸入參數對輸出狀態變化的靈敏度的最大化與局部線性嵌入算法得到的樣本之間距離的最小化之差作為總的目標函數M，通過式1確定；

M＝max(a_gM_global-a_lM_local) 式1

其中，a_g通過式2確定；a_l通過式3確定；

a_g＝R_g/(R_g+R_l) 式2

a_l＝1-R_l 式3

式中，M_global為全局結構保持的目標函數，M_local為局部結構保持的目標函數，a_g為全局結構保持的目標函數權重，a_l為局部結構保持的目標函數權重，R_g為全局結構保持的目標函數權重矩陣譜半徑，R_l為局部結構保持的目標函數權重矩陣譜半徑。

6.根據權利要求1所述的一種航空設備故障預測方法，其特征在于：所述步驟b中，將歸一化處理后的降維模型訓練數據輸入故障特征參數提取模型具體是指對故障特征參數提取模型進行訓練直至損失收斂，得到設備故障的故障特征參數。