本發(fā)明涉及航空航天器領(lǐng)域，尤其涉及一種發(fā)動(dòng)機(jī)的故障預(yù)測方法。

背景技術(shù)：

發(fā)動(dòng)機(jī)是飛行器中的核心部件，同時(shí)又是最容易發(fā)生故障的部件之一。飛行器一旦發(fā)生故障，會對整個(gè)機(jī)械設(shè)備造成不利的影響。因此，挖掘準(zhǔn)確、高效的發(fā)動(dòng)機(jī)故障預(yù)測方法對于保證飛行器的正常運(yùn)行是十分必要的。

目前發(fā)動(dòng)機(jī)故障預(yù)測的方法有很多，主要可以分為基于模型的方法、基于數(shù)據(jù)的方法等等，這些方法的效果很大程度上取決于對采集的真實(shí)數(shù)據(jù)的預(yù)處理能力和特征提取的能力。由于不同的發(fā)動(dòng)機(jī)，不同的操作條件，所產(chǎn)生的信號特征不一樣，很難找到一種通用的發(fā)動(dòng)機(jī)故障預(yù)測方法，目前提出的一些故障預(yù)測方法都有一定的局限應(yīng)用范圍。

以上背景技術(shù)內(nèi)容的公開僅用于輔助理解本發(fā)明的構(gòu)思及技術(shù)方案，其并不必然屬于本專利申請的現(xiàn)有技術(shù)，在沒有明確的證據(jù)表明上述內(nèi)容在本專利申請的申請日已經(jīng)公開的情況下，上述背景技術(shù)不應(yīng)當(dāng)用于評價(jià)本申請的新穎性和創(chuàng)造性。

技術(shù)實(shí)現(xiàn)要素：

為解決上述技術(shù)問題，本發(fā)明提出一種發(fā)動(dòng)機(jī)的故障預(yù)測方法，流程簡單，易于操作，能夠廣泛應(yīng)用于飛行器的各類發(fā)動(dòng)機(jī)中。

為了達(dá)到上述目的，本發(fā)明采用以下技術(shù)方案：

本發(fā)明公開了一種發(fā)動(dòng)機(jī)的故障預(yù)測方法，包括以下步驟：

s1：獲取所述發(fā)動(dòng)機(jī)的多個(gè)傳感器的有效測量數(shù)據(jù)；

s2：對所述有效測量數(shù)據(jù)進(jìn)行歸一化處理；

s3：將歸一化處理后的所述有效測量數(shù)據(jù)進(jìn)行切片處理，形成多個(gè)切片樣本；

s4：將多個(gè)所述切片樣本分別送入深度神經(jīng)網(wǎng)絡(luò)進(jìn)行特征提取，特征提取后連接到全連接網(wǎng)絡(luò)；

s5：根據(jù)所述全連接網(wǎng)絡(luò)的輸出，通過softmax分類器進(jìn)行分類，確定所述發(fā)動(dòng)機(jī)的剩余使用壽命。

優(yōu)選地，所述發(fā)動(dòng)機(jī)為燃?xì)鉁u輪發(fā)動(dòng)機(jī)。

優(yōu)選地，步驟s1中具體包括：獲取所述發(fā)動(dòng)機(jī)的多個(gè)傳感器的直接測量數(shù)據(jù)，根據(jù)所述直接測量數(shù)據(jù)求得各個(gè)傳感器在所述發(fā)動(dòng)機(jī)上的波動(dòng)方差，并將所述直接測量數(shù)據(jù)中波動(dòng)方差小于10^-10的數(shù)據(jù)進(jìn)行剔除，剔除后剩余的直接測量數(shù)據(jù)形成所述有效測量數(shù)據(jù)。

優(yōu)選地，步驟s1中的多個(gè)傳感器的數(shù)量為21個(gè)，其中21個(gè)傳感器分別測量的物理量為：風(fēng)扇進(jìn)氣口總溫度、低壓壓縮機(jī)出氣口總溫度、高壓壓縮機(jī)出氣口總溫度、低壓渦輪出氣口總溫度、風(fēng)扇進(jìn)氣口壓強(qiáng)、旁路導(dǎo)管總溫度、高壓壓縮機(jī)出氣口總壓強(qiáng)、物理風(fēng)扇轉(zhuǎn)速、物理核心速度、引擎壓強(qiáng)比、高壓壓縮機(jī)出氣口統(tǒng)計(jì)壓強(qiáng)、高壓壓縮機(jī)燃料流量、風(fēng)扇修正轉(zhuǎn)速、核心修正轉(zhuǎn)度、主旁路比、燃燒室燃?xì)獗?、熱力泄漏量、風(fēng)扇轉(zhuǎn)速要求、風(fēng)扇轉(zhuǎn)速修正要求、高壓渦輪冷卻劑泄漏量、低壓渦輪冷卻劑泄漏量。

優(yōu)選地，步驟s3中所述切片處理中切片的時(shí)間長度為20～30個(gè)時(shí)間單元。

優(yōu)選地，步驟s3中所述切片樣片的輸入為切片處理后的切片，輸出為對應(yīng)的剩余使用壽命。

優(yōu)選地，步驟s4中的所述深度神經(jīng)網(wǎng)絡(luò)采用長短時(shí)記憶網(wǎng)絡(luò)。

優(yōu)選地，所述長短時(shí)記憶網(wǎng)絡(luò)包括兩層長短時(shí)記憶單元。

優(yōu)選地，第一層所述長短時(shí)記憶單元的個(gè)數(shù)為128個(gè)，第二層所述長短時(shí)記憶單元的個(gè)數(shù)為64個(gè)。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果在于：本發(fā)明通過采用深度神經(jīng)網(wǎng)絡(luò)進(jìn)行特征提取，對噪聲具有較強(qiáng)的抑制作用，保證了數(shù)據(jù)的可靠性，再結(jié)合softmax分類器進(jìn)行分類，實(shí)現(xiàn)了發(fā)動(dòng)機(jī)剩余使用壽命的端到端的學(xué)習(xí)，能夠及時(shí)地預(yù)測出飛行器失效發(fā)生的時(shí)間，流程簡單，易于操作，能夠廣泛應(yīng)用于飛行器的各類發(fā)動(dòng)機(jī)中。

在進(jìn)一步的技術(shù)方案中，本發(fā)明通過對數(shù)據(jù)進(jìn)行有效地預(yù)處理，克服了飛行器發(fā)動(dòng)機(jī)測量信號的非線性、非平穩(wěn)性、隨機(jī)性、噪聲干擾等因素，提高采集到的加速度信號的可靠性，更好地提取樣本特征信息，實(shí)現(xiàn)對滾動(dòng)軸承準(zhǔn)確、高效、端到端的故障預(yù)測。

在更進(jìn)一步的方案中，具體采用長短時(shí)記憶網(wǎng)絡(luò)結(jié)合softmax分類器，更進(jìn)一步提高了對噪聲的抑制作用，更有效地提取樣本特征信息，保證數(shù)據(jù)的可靠性，從而進(jìn)一步提高發(fā)動(dòng)機(jī)的故障預(yù)測的可靠性。

附圖說明

圖1是本發(fā)明優(yōu)選實(shí)施例的發(fā)動(dòng)機(jī)的故障預(yù)測方法的流程示意圖；

圖2是本發(fā)明優(yōu)選實(shí)施例的發(fā)動(dòng)機(jī)的故障預(yù)測方法的核心部分的圖示。

具體實(shí)施方式

下面對照附圖并結(jié)合優(yōu)選的實(shí)施方式對本發(fā)明作進(jìn)一步說明。

如圖1所示，本發(fā)明的優(yōu)選實(shí)施例公開了一種發(fā)動(dòng)機(jī)的故障預(yù)測方法，具體是對于燃?xì)鉁u輪發(fā)動(dòng)機(jī)的故障預(yù)測，包括以下步驟：

s101：利用21個(gè)傳感器采集發(fā)動(dòng)機(jī)原始數(shù)據(jù)；

在燃?xì)鉁u輪發(fā)動(dòng)機(jī)上布置21個(gè)傳感器，所測量的物理量分別是：風(fēng)扇進(jìn)氣口總溫度、低壓壓縮機(jī)(lpc)出氣口總溫度、高壓壓縮機(jī)(hpc)出氣口總溫度、低壓渦輪(lpt)出氣口總溫度、風(fēng)扇進(jìn)氣口壓強(qiáng)、旁路導(dǎo)管總溫度、高壓壓縮機(jī)(hpc)出氣口總壓強(qiáng)、物理風(fēng)扇轉(zhuǎn)速、物理核心速度、引擎壓強(qiáng)比、高壓壓縮機(jī)(hpc)出氣口統(tǒng)計(jì)壓強(qiáng)、高壓壓縮機(jī)(hpc)燃料流量、風(fēng)扇修正轉(zhuǎn)速、核心修正轉(zhuǎn)度、主旁路比、燃燒室燃?xì)獗取崃π孤┝?、風(fēng)扇轉(zhuǎn)速要求、風(fēng)扇轉(zhuǎn)速修正要求、高壓渦輪(hpt)冷卻劑泄漏量、低壓渦輪(lpt)冷卻劑泄漏量，通過21個(gè)傳感器采集燃?xì)鉁u輪發(fā)動(dòng)機(jī)上的原始數(shù)據(jù)(也即直接測量數(shù)據(jù))。

s102：對傳感器數(shù)據(jù)進(jìn)行剔除操作；

對21個(gè)傳感器中的部分進(jìn)行剔除，分別求出各個(gè)傳感器在所有發(fā)動(dòng)機(jī)單元上的波動(dòng)方差，需要剔除的標(biāo)準(zhǔn)是該傳感器在所有發(fā)動(dòng)機(jī)單元中的波動(dòng)方法均小于10^-10。也即將原始數(shù)據(jù)(直接測量數(shù)據(jù))中波動(dòng)方差小于10^-10的數(shù)據(jù)進(jìn)行剔除，剔除后剩余的原始數(shù)據(jù)(直接測量數(shù)據(jù))形成有效測量數(shù)據(jù)。

s103：對剔除后的傳感器進(jìn)行歸一化處理；

對有效測量數(shù)據(jù)進(jìn)行歸一化處理，即將最大值設(shè)定為1，最小值設(shè)定為0，其余值在(0，1)之間。

s104：將多維傳感器的數(shù)據(jù)進(jìn)行切片處理；

將歸一化處理后的有效測量數(shù)據(jù)進(jìn)行切片處理，切片的時(shí)間長度為20～30個(gè)時(shí)間單元，在本實(shí)施例中，切片的時(shí)間長度為30個(gè)時(shí)間單元，形成多個(gè)切片樣本，其中每一個(gè)切片分別作為一個(gè)切片樣本的輸入，對應(yīng)的剩余使用壽命作為切片樣本的輸出。

s105：將多個(gè)切片樣本分別送入深度神經(jīng)網(wǎng)絡(luò)(本實(shí)施例中采用長短時(shí)記憶網(wǎng)絡(luò))進(jìn)行特征提取，特征提取后連接到全連接網(wǎng)絡(luò)；

結(jié)合圖2所示，長短時(shí)記憶網(wǎng)絡(luò)采用兩層長短時(shí)記憶單元(lstm)，其中第一層的個(gè)數(shù)為128，第二層的個(gè)數(shù)為64；通過長短時(shí)記憶網(wǎng)絡(luò)，可以得到時(shí)序數(shù)據(jù)的特征表達(dá)形式，將該特征作為全連接網(wǎng)絡(luò)的輸入，本實(shí)施例中，全連接網(wǎng)絡(luò)包括兩層全連接層，全連接層的后一層的輸出作為softmax分類器的輸入。

s106：根據(jù)全連接網(wǎng)絡(luò)的輸出，通過softmax分類器進(jìn)行分類，給出當(dāng)前樣本輸出所屬的類別的概率值，從而確定發(fā)動(dòng)機(jī)的剩余使用壽命。

其中通過softmax分類器可以給出當(dāng)前樣本輸出所屬的類別的概率值，概率分布是離散形式，取最大概率對應(yīng)的隨機(jī)變量取值即為發(fā)動(dòng)機(jī)的剩余使用壽命。

當(dāng)把一個(gè)新的未知剩余使用壽命的單元傳感器數(shù)據(jù)采集出來，即可按照步驟s102進(jìn)行傳感器的篩選，按照步驟s103對時(shí)序數(shù)據(jù)進(jìn)行歸一化處理，利用步驟s104對多維傳感器數(shù)據(jù)進(jìn)行切片處理，得到時(shí)間長度為30的序列，利用步驟s105中訓(xùn)練好的長短時(shí)記憶網(wǎng)絡(luò)提取出的多維傳感器數(shù)據(jù)的特征并送入全連接層，最后利用步驟s106中的softmax分類器，確定最終的剩余使用壽命。

本發(fā)明優(yōu)選實(shí)施例的發(fā)動(dòng)機(jī)的故障預(yù)測方法克服了真實(shí)發(fā)動(dòng)機(jī)測量信號的非平穩(wěn)性、非線性、隨機(jī)性、含噪聲等因素，提高采集到的加速度信號的可靠性，對采集到的原始測量信號具有較好的去噪能力；同時(shí)基于深度學(xué)習(xí)思想，采用長短時(shí)記憶深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，能夠有效地提取樣本特征信息，為后續(xù)完成softmax分類器，提高故障預(yù)測的可靠性打下基礎(chǔ)；從而實(shí)現(xiàn)對滾動(dòng)軸承準(zhǔn)確、高效、端到端的故障預(yù)測。本發(fā)明的故障預(yù)測方法流程簡單，易于操作，具有一定的工程使用價(jià)值，能夠廣泛應(yīng)用于飛行器的各類發(fā)動(dòng)機(jī)中。

通過本發(fā)明優(yōu)選實(shí)施例的發(fā)動(dòng)機(jī)的故障預(yù)測方法，可以及時(shí)地預(yù)測出飛行器失效發(fā)生的時(shí)間，并對預(yù)警的失效采取有效的處理方式，對保障飛行器正常安全運(yùn)行具有重要意義。

以上內(nèi)容是結(jié)合具體的優(yōu)選實(shí)施方式對本發(fā)明所作的進(jìn)一步詳細(xì)說明，不能認(rèn)定本發(fā)明的具體實(shí)施只局限于這些說明。對于本發(fā)明所屬技術(shù)領(lǐng)域的技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干等同替代或明顯變型，而且性能或用途相同，都應(yīng)當(dāng)視為屬于本發(fā)明的保護(hù)范圍。