本發(fā)明涉及航空發(fā)動機(jī)剩余壽命預(yù)測的
技術(shù)領(lǐng)域：
，具體涉及一種基于氣路性能參數(shù)圖形匹配的航空發(fā)動機(jī)整機(jī)剩余壽命預(yù)測方法。
背景技術(shù)：
：隨著現(xiàn)代航空工業(yè)的發(fā)展，各類飛機(jī)的應(yīng)用范圍越來越廣，單架飛機(jī)的運(yùn)載能力越來越強(qiáng)，隨之而來的是對飛機(jī)可靠性和安全性的更高要求。安全性、可靠性和經(jīng)濟(jì)性是航空發(fā)動機(jī)制造商、維修廠和航空公司等相關(guān)部門最為關(guān)心的三大因素，也是衡量發(fā)動機(jī)制造水平的關(guān)鍵性指標(biāo)。然而，航空發(fā)動機(jī)作為飛機(jī)最重要的核心部件，由于其結(jié)構(gòu)復(fù)雜、集成度高、工作條件惡劣等諸多因數(shù)導(dǎo)致其穩(wěn)定性難以控制。并且，由于其擔(dān)任飛機(jī)的主要動力源，一旦航空發(fā)動機(jī)發(fā)生故障，往往導(dǎo)致機(jī)毀人亡的災(zāi)難性后果。因此，為了取得最大的經(jīng)濟(jì)效益和安全性，如何對航空發(fā)動機(jī)進(jìn)行剩余壽命預(yù)測成為工業(yè)界的關(guān)注焦點(diǎn)和學(xué)術(shù)界的研究熱點(diǎn)?；跉饴沸阅軈?shù)進(jìn)行航空發(fā)動機(jī)整機(jī)健康狀態(tài)的監(jiān)測與壽命預(yù)測近年來受到學(xué)者們的關(guān)注。然而，航空發(fā)動機(jī)結(jié)構(gòu)復(fù)雜，性能參數(shù)種類繁多，參數(shù)之間具有較強(qiáng)的相關(guān)性。此外，發(fā)動機(jī)長時間工作在高溫、高壓等復(fù)雜惡劣的環(huán)境中，表征系統(tǒng)健康狀態(tài)的參數(shù)常受到各種噪聲的干擾，在這種背景下準(zhǔn)確預(yù)測發(fā)動機(jī)整機(jī)剩余壽命十分困難。技術(shù)實現(xiàn)要素：本發(fā)明要解決的技術(shù)問題為：針對航空發(fā)動機(jī)整機(jī)剩余壽命難于準(zhǔn)確預(yù)測的問題，提出一種基于氣路性能參數(shù)圖形匹配的航空發(fā)動機(jī)整機(jī)剩余壽命預(yù)測方法。本發(fā)明采用的技術(shù)方案為：一種基于氣路性能參數(shù)圖形匹配的航空發(fā)動機(jī)整機(jī)剩余壽命預(yù)測方法，其特征在于：(1)通過航空發(fā)動機(jī)全壽命的氣路退化數(shù)據(jù)獲取其性能退化模式，并使用多臺發(fā)動機(jī)的退化數(shù)據(jù)構(gòu)建性能衰退參照字典；(2)使用退化軌跡的包絡(luò)多邊形來穩(wěn)健地表征航空發(fā)動機(jī)系統(tǒng)的性能退化模式；(3)通過參考發(fā)動機(jī)和待預(yù)測發(fā)動機(jī)退化多邊形的重疊面積來量化二者之間性能退化規(guī)律的相關(guān)性，并使用線段長度比等價地計算兩多邊形的重疊面積比；(4)將參考發(fā)動機(jī)的真實剩余壽命作為待預(yù)測發(fā)動機(jī)剩余壽命的估計值，依據(jù)重疊面積比生成相似性權(quán)重，加權(quán)這些壽命估計值來獲取待預(yù)測發(fā)動機(jī)的剩余壽命。本發(fā)明與現(xiàn)有技術(shù)相比的優(yōu)點(diǎn)在于：(1)、基于相似性理論充分挖掘歷史全壽退化數(shù)據(jù)中的性能衰退規(guī)律，并應(yīng)用該規(guī)律對待預(yù)測發(fā)動機(jī)的剩余壽命進(jìn)行估計，預(yù)測精度高；(2)、受傳感器測量噪聲等的影響，獲得的性能衰退軌跡常帶有較多的毛刺，基于歐氏距離的相似性匹配穩(wěn)健性差，重疊面積匹配既可以保證匹配精度，又可以避免噪聲的干擾。(3)、先對待預(yù)測發(fā)動機(jī)的剩余壽命進(jìn)行多次估計，然后對估計值加權(quán)集成獲得待預(yù)測發(fā)動機(jī)的剩余壽命，該方法具有集成學(xué)習(xí)的優(yōu)勢，算法穩(wěn)健性好。附圖說明圖1為本發(fā)明一種基于氣路性能參數(shù)圖形匹配的航空發(fā)動機(jī)整機(jī)剩余壽命預(yù)測方法流程圖；圖2為性能衰退多邊形提取示意圖；圖3為黎曼積分原理圖；圖4為重疊面積計算原理圖；圖5為最優(yōu)面積匹配原理圖；圖6為渦輪風(fēng)扇發(fā)動機(jī)氣路部件簡圖；圖7為1#發(fā)動機(jī)的21個傳感器參數(shù)變化情況；圖8為狀態(tài)參數(shù)第一主成分隨循環(huán)的變化情況；圖9為利用前4個參考發(fā)動機(jī)數(shù)據(jù)對1#發(fā)動機(jī)RUL的估計結(jié)果。具體實施方式下面結(jié)合附圖以及具體實施方式進(jìn)一步說明本發(fā)明。如圖1所示，一種基于圖形匹配的航空發(fā)動機(jī)整機(jī)剩余壽命預(yù)測方法，主要包含以下步驟：第一步，構(gòu)建發(fā)動機(jī)性能退化字典。通過處理已經(jīng)運(yùn)行至失效的發(fā)動機(jī)歷史數(shù)據(jù)，得到預(yù)測時可以參考的退化模式字典。首先，選擇具有明顯上升或下降趨勢的傳感器參數(shù)用以表征發(fā)動機(jī)的性能退化。其次，使用維度約減方法對數(shù)據(jù)進(jìn)行降維，得到一維的性能退化曲線。最后，按照一定的規(guī)范存儲這些參考發(fā)動機(jī)的性能退化數(shù)據(jù)，便于后續(xù)檢索使用。第二步，待預(yù)測發(fā)動機(jī)數(shù)據(jù)預(yù)處理。選擇與退化字典相同的傳感器參數(shù)，并用同樣的降維方法進(jìn)行狀態(tài)參數(shù)維度的約減。第三步，使用多邊形匹配方法匹配每臺參考發(fā)動機(jī)的退化軌跡和待預(yù)測發(fā)動機(jī)的退化軌跡。首先，提取參考發(fā)動機(jī)和待預(yù)測發(fā)動機(jī)退化軌跡的上下包絡(luò)曲線，得到他們的退化多邊形表示形式。其次，在每臺參考發(fā)動機(jī)的退化多邊形中，匹配待預(yù)測發(fā)動機(jī)退化多邊形，使他們重疊部分的面積最大。最后，計算重疊的面積比和RUL的估計值。第四步，加權(quán)集成。通過重疊面積生成相似性權(quán)重，對多個RUL估計值進(jìn)行加權(quán)，最終得到待預(yù)測發(fā)動機(jī)的剩余使用壽命。1基于圖形匹配的航空發(fā)動機(jī)整機(jī)剩余壽命預(yù)測方法具體步驟如下：1.1高維數(shù)據(jù)維度約減(1)傳感器選擇航空發(fā)動機(jī)有大量的實時監(jiān)測的性能狀態(tài)參數(shù)，并非所有的狀態(tài)參數(shù)都能反映系統(tǒng)的性能狀態(tài)降級，比如一些主動的控制量等。在進(jìn)行壽命預(yù)測前，需要找出具有退化趨勢的傳感器參數(shù)，將其作為反映整機(jī)性能的狀態(tài)指標(biāo)，用以度量系統(tǒng)的健康狀態(tài)。(2)主成分分析(PCA)在經(jīng)過傳感器篩選后，狀態(tài)監(jiān)測參數(shù)仍具有很高的維度，這對于后續(xù)數(shù)據(jù)處理是不利的，因而還需進(jìn)行參數(shù)維度的進(jìn)一步約減。這里，我們選擇主成分分析方法對數(shù)據(jù)進(jìn)行降維。主成分分析(PCA,PrincipleComponentAnalysis)是應(yīng)用最廣泛的一種特征提取方法之一，它是一種統(tǒng)計學(xué)方法，在信號處理、模式識別、數(shù)字圖像處理等領(lǐng)域已經(jīng)得到了廣泛的應(yīng)用。主成分分析方法基本思想是提取出空間原始數(shù)據(jù)中的主要特征(主元)，減少數(shù)據(jù)冗余，使得數(shù)據(jù)在一個低維的特征空間被處理，同時保持原始數(shù)據(jù)的絕大部分的信息，從而解決數(shù)據(jù)空間維數(shù)過高的瓶頸問題。設(shè)航空發(fā)動機(jī)退化狀態(tài)矩陣為X，其列向量Xk＝(x1k,x2k,...,xnk)T為n維狀態(tài)參數(shù)，發(fā)動機(jī)的某一性能狀態(tài)可由xk描述，xk的協(xié)方差矩陣為：Rx=Σk=1N(Xk-x‾)(Xk-x‾)T---(1)]]>式中，N為退化狀態(tài)的采樣數(shù)，為各狀態(tài)參數(shù)的均值x‾=1NΣk=1Nxk---(2)]]>求解Rx的全部特征值λi(i＝1,2,...,n)和特征向量vi，將特征值λi按照從大到小的順序排列：λ1>λ2>...>λn，則對應(yīng)的特征向量為vi(i＝1,2,..,n)。樣本xi投影到特征向量vi得到該方向?qū)?yīng)的主分量為：yij=viT(xj-x‾)---(3)]]>所有的特征向量張成一個n維正交空間，x投影到該正交空間得到相應(yīng)的n維主分量。特征向量所對應(yīng)的特征值越大，它在重構(gòu)時的貢獻(xiàn)也越大，特征值越小的特征向量在重構(gòu)時的貢獻(xiàn)就越小。設(shè)正交空間中前m個主分量為y1,y2,...,ym，其累計方差貢獻(xiàn)率為：h(m)=Σi=1mλi/Σk=1nλk---(4)]]>當(dāng)前面少數(shù)幾個主分量的累計方差貢獻(xiàn)率足夠大，如h(m)>95％，即95％以上的原始數(shù)據(jù)信息保留在前面幾個主分量中，可只取前m(m<n)個主分量來表征原始信息,在保證信息完整的情況下，達(dá)到數(shù)據(jù)降維的目的。1.2性能退化多邊形提取由于測量噪聲等的影響，反映系統(tǒng)性能退化的狀態(tài)參數(shù)往往包含有較大的隨機(jī)成分，表現(xiàn)為性能序列帶有較大幅度的波動，這給后續(xù)數(shù)據(jù)處理帶來了極大的挑戰(zhàn)。如不加以考慮直接進(jìn)行運(yùn)算，則計算結(jié)果極易受到這些干擾的影響，方法的魯棒性較差；若采用數(shù)據(jù)平滑等方法進(jìn)行濾波處理則容易造成有用退化信息的丟失，濾波的‘度’很難把握。因此，我們用退化多邊形來表征系統(tǒng)性能的退化過程。如圖2所示，用藍(lán)色曲線表示航空發(fā)動機(jī)系統(tǒng)的某個性能退化參數(shù)(比如渦輪出口溫度)的退化曲線。從圖中可知，該退化參數(shù)在存在明顯上升趨勢的同時，伴有較大幅度的隨機(jī)干擾。為便于后續(xù)數(shù)據(jù)的處理工作。提取退化曲線的上下包絡(luò)(紅線)并使之構(gòu)成封閉多邊形，用以表征其性能退化模式。1.3圖形匹配原理為充分闡述圖形匹配原理，我們先對微積分理論中的黎曼積分的原理做簡單的介紹。如圖3所示，曲線f(x)與x軸圍成的曲頂圖形的面積可以用黎曼積分來計算。當(dāng)每個矩形的高度很小，即n充分大時，所圍圖形的面積約等于這些矩形面積的和。如圖4所示，藍(lán)色部分和綠色部分分別表示兩個多邊形，其面積為A1和A2。黃色部分表示兩個多邊形的重疊部分，其面積為A∩。將橫軸N(足夠大)等分，每段長度為△，則各部分的面積可以近似表示如下：A1=Σi=1NL1i·Δ;A2=Σi=1NL2i·Δ;A∩=Σi=1NL∩i·Δ---(6)]]>式中，△劃分間隔的長度，L1i，L2i和L∩i分別為第i個劃分點(diǎn)處多邊形1，多邊形2和交疊多邊形的縱向跨度。重疊部分占個多邊形面積的比例分別為P1=A∩A1=Σi=1NL∩i·ΔΣi=1NL1i·Δ;=Σi=1NL∩iΣi=1NL1iP2=A∩A2=Σi=1NL∩i·ΔΣi=1NL2i·Δ;=Σi=1NL∩iΣi=1NL2i---(7)]]>式中，△劃分間隔的長度，L1i，L2i和L∩i分別為第i個劃分點(diǎn)處多邊形1，多邊形2和交疊多邊形的縱向跨度。從式(2)可知，當(dāng)我們要近似量化兩個圖形的重疊程度時，并不需要確切的計算出重疊部分和各自的面積值，重疊比可以通過對各個劃分點(diǎn)處多邊形的縱向跨度的計算來獲得，這樣做可以減小計算量，提升運(yùn)算效率。當(dāng)我們執(zhí)行預(yù)測任務(wù)時，核心過程是將待預(yù)測發(fā)動機(jī)的退化多邊形在參考發(fā)動機(jī)全壽命多邊形上進(jìn)行匹配，找到使之最大程度匹配的時間點(diǎn)，即可得到待預(yù)測發(fā)動機(jī)的剩余使用壽命。圖5中藍(lán)色多邊形表示出了參考發(fā)動機(jī)的全壽退化多邊形，綠色多邊形表示待預(yù)測發(fā)動機(jī)的退化多邊形。為了最優(yōu)的匹配兩個多邊形，將待預(yù)測多邊形在參考多邊形上，從后至前進(jìn)行滑移，并計算每個滑移位置的重疊比(A∩/A1)，使重疊比最大的滑移步數(shù)即為用該參考多邊形預(yù)測得到的待預(yù)測發(fā)動機(jī)的剩余使用壽命(RUL)的一個估計值。1.4集成加權(quán)假設(shè)有L各參考發(fā)動機(jī)，通過多邊形匹配，我們得到L個重疊面積比和對應(yīng)的L個RUL估計值，用集合{lP,lR},l＝1,2,...,L表示。為獲取待預(yù)測發(fā)動機(jī)剩余使用壽命，通過重疊面積生成相似性權(quán)重。Wl=PlΣl=1LPl,l=1,2,...,L---(8)]]>加權(quán)集成的目的是集成多個估計結(jié)果最終獲得待預(yù)測樣本的壽命估計。最簡單的集成方法是使用基于相似性的加權(quán)和，則待預(yù)測發(fā)動機(jī)RUL的點(diǎn)估計為：r=Σl=1LRl·Wl---(9)]]>2實驗驗證我們使用美國航空航天局NASA提供的渦扇發(fā)動機(jī)數(shù)據(jù)集的Dataset1對提出的預(yù)測方法進(jìn)行有效性驗證。該數(shù)據(jù)集由C-MAPSS(CommercialModularAero-propulsionSystemSimulation)大型渦輪風(fēng)扇發(fā)動機(jī)仿真模型得到。模型通過14個參數(shù)的輸入來模擬包括風(fēng)扇、低壓壓氣機(jī)、高壓壓氣機(jī)、高壓渦輪、低壓渦輪(Fan,LPC,HPC,HPT,LPT)在內(nèi)的五大旋轉(zhuǎn)部件失效影響和退化過程，發(fā)動機(jī)仿真模型主要部件簡圖如圖6所示。數(shù)據(jù)由發(fā)動機(jī)不同運(yùn)行循環(huán)時間點(diǎn)的3個工況參數(shù)(飛行高度、飛行馬赫數(shù)和油門桿角度)21個傳感器監(jiān)測的性能參數(shù)組成。傳感器監(jiān)測值是針對研究模塊，通過發(fā)動機(jī)熱動力仿真模型獲取，且包含噪聲。訓(xùn)練數(shù)據(jù)包括多組獨(dú)立同一單元的多元時間序列樣本，反映了每個單元從初始到失效的全壽命周期的變化過程。每個部件的初始時刻的退化情況是隨機(jī)且未知的，是否發(fā)生退化以及退化程度不同，隨著發(fā)動機(jī)的運(yùn)行，當(dāng)性能降級到一個閾值的后整個系統(tǒng)發(fā)生失效。用于衡量發(fā)動機(jī)性能狀態(tài)的21個監(jiān)測參數(shù)值如表1所示。表1模型輸入?yún)?shù)序號描述符號1燃料流量Wf(pps)2風(fēng)扇效率參數(shù)fan_eff_mod3風(fēng)扇流量參數(shù)fan_flow_mod4風(fēng)扇壓比參數(shù)fan_PR_mod5低壓壓氣機(jī)效率參數(shù)LPC_eff_mod6低壓壓氣機(jī)流量參數(shù)LPC_flow_mod7低壓壓氣機(jī)壓比參數(shù)LPC_PR_mod8高壓壓氣機(jī)效率參數(shù)HPC_eff_mod9高壓壓氣機(jī)流量參數(shù)HPC_flow_mod10高壓壓氣機(jī)壓比參數(shù)HPC_PR_mod11高壓渦輪效率參數(shù)HPT_eff_mod12高壓渦輪流量參數(shù)HPT_flow_mod13低壓渦輪效率參數(shù)LPT_eff_mod14低壓渦輪流量參數(shù)LPT_flow_mod表2監(jiān)測參數(shù)表征量2.1傳感器選擇通過觀測各傳感器參數(shù)的變化趨勢來剔除那些無明顯趨勢性的監(jiān)測參數(shù)，以便于后續(xù)數(shù)據(jù)處理。1#號發(fā)動機(jī)的21個傳感器監(jiān)測參數(shù)隨著循環(huán)數(shù)增加的變化情況如圖7所示。依圖7可知，傳感器1，5，6，10，16，18和19的監(jiān)測數(shù)據(jù)在發(fā)動機(jī)使用循環(huán)數(shù)增加的過程中保持恒定值，不能用于表征系統(tǒng)的性能退化。因此，我們選擇具有顯著退化趨勢的傳感器2，3，4，7，8，9，11，12，13，14，15，17，20和21這14個監(jiān)測參數(shù)來表征發(fā)動機(jī)系統(tǒng)的性能退化。2.2數(shù)據(jù)標(biāo)準(zhǔn)化和維度約減不同監(jiān)測參數(shù)具有不同的量綱，數(shù)據(jù)之間不具有可比性，需要對數(shù)據(jù)進(jìn)行歸一化處理，將原始數(shù)據(jù)映射到0-1之間，具體采用Matlab的mapminmax函數(shù)實現(xiàn)。高維監(jiān)測參數(shù)之間往往存在著某種線性相關(guān)關(guān)系，為減輕計算復(fù)雜度，提高計算準(zhǔn)確性，我們使用主元分析方法(PCA)對選擇的14維傳感器數(shù)據(jù)進(jìn)行參數(shù)維度的約減。1#發(fā)動機(jī)14個歸一化后傳感器參數(shù)的協(xié)方差矩陣特征值和方差貢獻(xiàn)率如表3所示。表3各傳感器參數(shù)的協(xié)方差矩陣特征值及方差貢獻(xiàn)率(1#發(fā)動機(jī))主成分1234567特征值0.41610.02410.02350.01730.01620.01400.0120方差貢獻(xiàn)率73％4％4％3％3％2％2％主成分891011121314特征值0.01120.01000.00950.00840.00720.00620.0057方差貢獻(xiàn)率2％2％2％1％1％1％0由表3可知，第一主成分包含了絕大部分的數(shù)據(jù)信息，在本研究中選擇第一主成分用于表征發(fā)動機(jī)性能的退化情況。圖8展示了1#發(fā)動機(jī)的性能參數(shù)的第一主成分。2.3多邊形匹配計算以測試集的1#發(fā)動機(jī)為例進(jìn)行說明。圖9給出了利用訓(xùn)練集的前4個參考發(fā)動機(jī)數(shù)據(jù)對當(dāng)前待預(yù)測發(fā)動機(jī)(1#發(fā)動機(jī))壽命進(jìn)行估計的結(jié)果。2.4預(yù)測結(jié)果分析使用訓(xùn)練集train_FD001包含的100臺已經(jīng)失效的發(fā)動機(jī)全壽數(shù)據(jù)構(gòu)建退化字典，然后在測試集test_FD001中隨機(jī)地選擇20臺發(fā)動機(jī)進(jìn)行預(yù)測，發(fā)動機(jī)地面真實壽命在數(shù)據(jù)集RUL_FD001中，預(yù)測結(jié)果如表4所示。表4預(yù)測結(jié)果序號真實RUL預(yù)測RUL絕對誤差相對誤差1112125130.1229890-80.0836954-150.2248263-190.2359166-250.2769371-220.2479173-180.20811186-250.2399769-280.291010782-250.231183103200.2412848950.0613505000.00148776-110.13155772150.2616111105-60.051711388-250.2218145112-330.2319119105-140.1220667040.06均值-----110.17從表4可知，本發(fā)明所提出方法能非常準(zhǔn)確的預(yù)測航空發(fā)動機(jī)的剩余使用壽命，而壽命預(yù)測對于發(fā)動機(jī)的維護(hù)和維修具有非常重要的意義。當(dāng)前第1頁1 2 3