一种多阶段一致性检验的航空发动机剩余寿命预测方法技术

本发明专利技术公开了一种基于多阶段Wiener过程一致性检验的航空发动机剩余寿命预测方法，该方法中，统计平滑法平滑处理维修前后的发动机性能监测数据；启发式分割算法进行性能退化多阶段的划分；根据发动机性能退化过程的多阶段性和随机性，利用多阶段Wiener过程建立性能退化模型；利用基于多阶段Wiener过程的正态总体均值一致性检验方法对维修前后发动机的性能监测数据的均值是否一致进行检验；根据维修前后的退化数据的一致性检验结果，决定维修后发动机的剩余寿命预测是否融合维修前的发动机监测数据，并利用监测数据估计多阶段Wiener过程的参数，预测维修后发动机的剩余寿命。本发明专利技术的方法提高了模型参数估计和发动机寿命预测结果的准确性，具有较高实用价值。

【技术实现步骤摘要】
一种多阶段一致性检验的航空发动机剩余寿命预测方法
本专利技术涉及一种航空发动机剩余寿命预测方法，具体涉及一种基于多阶段Wiener过程一致性检验的航空发动机剩余寿命预测方法。
技术介绍
有效地对航空发动机的剩余寿命进行预测，并在预测结果的基础上提早地制定相应的维修及备件计划，能够很大程度上减少维修费用。为降低航空发动机的维修保障费用，保证飞机的运行安全，亟需开展航空发动机剩余寿命预测的有关研究。寿命预测的研究方向主要可以分为两类：基于数据驱动的方法和基于物理失效模型。发动机的失效是由于材料在高温高压的环境下逐渐退化的结果，随着各类产品变得越来越复杂化，基于物理失效模型的方法很难建立可靠的故障模型来对应产品的失效过程；而基于数据驱动相关的方法主要依靠产品运行过程中监测的退化数据，建立相应的退化模型，具有明显的计算和建模优势，当退化达到给定阈值时发生故障，可以通过更换一些组件来维修发动机使其继续工作。但是，现有的航空发动机剩余寿命预测方法没有考虑到性能退化的多阶段性以及将维修前的退化监测数据用于维修后的剩余寿命预测，使得预测结果准确度欠佳。而不同样本的信息或同一样本的不同阶段的信息是否可以融合，是基于退化模式的一致性，因此一致性问题在实际工程中是普遍存在的。
技术实现思路
针对上述问题，本专利技术提出了一种基于多阶段Wiener过程的正态总体均值和变异系数的一致性的预测航空发动机剩余寿命的方法，该方法根据一致性检测的结果，决定是否融合维修前的退化监测数据，提高了参数估计与剩余寿命预测的准确性。本专利技术采用如下技术方案：一种基于多阶段Wiener过程一致性检验的航空发动机剩余寿命预测方法，其包括如下步骤：a、采用统计平滑法，对维修前的发动机历史性能监测数据和维修后的发动机性能监测数据进行平滑处理，减少监测数据的测量误差；b、在步骤a的基础上，采用启发式分割算法，求取平滑处理后的维修前性能监测数据的突变点，进行性能退化多阶段的划分；c、在步骤b的基础上，根据发动机性能退化过程的多阶段性和随机性，利用平滑处理后的发动机维修前与维修后的性能监测数据，基于多阶段Wiener过程，建立性能退化模型；d、在步骤c的基础上，利用基于多阶段Wiener过程的正态总体均值一致性检验方法，对维修前与维修后发动机的性能监测数据的均值是否一致进行检验；e、在步骤d的基础上，在正态总体均值一致性检验结果的基础上，根据多阶段Wiener过程的变异系数的倒数构造随机变量H，利用基于概率分布的数据一致性检验方法，检验维修前与维修后发动机的性能监测数据的波动情况是否一致；f、在步骤d和e的基础上，若维修前与维修后发动机的性能监测数据的均值和波动情况均一致，则融合维修前与维修后发动机的性能监测数据，若不一致，则不融合维修前的发动机性能监测数据；利用性能监测数据对多阶段Wiener过程的参数进行训练估计，从而对维修后的发动机进行剩余寿命的预测。与现有技术相比，本专利技术具有如下有益效果：类似航空发动机之类的高成本设备经常在维修后重复使用，维修前的信息是否可以用于维修后的剩余使用寿命(RUL)预测，直接由维护前后的退化模式的一致性确定。本专利技术所采用的基于多阶段Wiener过程一致性检验的航空发动机剩余寿命预测方法是一种数据驱动方法，通过对维修前与维修后发动机监测数据进行一致性检验，根据一致性检验结果来决定是否融合维修前的监测数据，增加了模型训练的样本数据，降低了模型估计的误差；考虑航空发动机退化过程的多阶段性，使用启发式分割算法来确定分界点，考虑发动机的性能退化过程具有随机性，采用多阶段的随机Wiener过程建立性能退化模型，通过利用较为全面的监测信息，对维修后发动机的剩余寿命进行预测，同时考虑维修前的发动机监测数据，根据一致性检验结果，来决定维修后发动机的剩余寿命预测是否融合维修前的发动机监测数据，模型参数的估计更加的准确，提高了发动机剩余寿命的预测结果的准确性，具备实际应用价值。附图说明图1为本专利技术的航空发动机剩余寿命预测方法的结构框架示意图；图2为本专利技术的实施例研究实体18台航空发动机在全寿命周期内的排气温度裕度(EGTM)监测时间序列，其中，一部分发动机监测数据为维修前的EGTM退化监测数据，另一部分发动机监测数据为维修后的EGTM退化监测数据；图3为数据融合后的第一阶段剩余寿命概率密度分布图；图4为数据融合后的第二阶段剩余寿命概率密度分布图；图5为发动机融合数据与未融合数据的剩余寿命预测结果对比图。具体实施方式下面结合附图和具体实施方式对本专利技术作详细说明。参照图1所示，本专利技术的基于多阶段Wiener过程一致性检验的航空发动机剩余寿命预测方法主要包含一致性检验和寿命预测两大部分；一致性检验部分包括：数据处理，用于去除工频噪声、背景噪声以及随机脉冲干扰等因素对纯净信号的影响；多阶段的划分，用于对非平稳的监测时间序列进行阶段划分；基于多阶段Wiener过程的正态总体均值一致性检验，用于检验维修前与维修后发动机监测数据的均值是否一致；基于多阶段Wiener过程的变异系数的一致性检验，用于检验维修前与维修后发动机监测数据的波动情况是否具有一致性；寿命预测部分包括：模型建立，根据发动机退化过程的多阶段性和随机性，用随机多阶段Wiener过程建立发动机的性能退化模型；多阶段参数估计，根据一致性检验的结果来决定是否融合维修前的退化数据，基于监测数据进行模型参数的估计；剩余寿命预测，根据参数的估计结果，求取剩余寿命概率密度分布函数，最后计算发动机剩余使用寿命。本专利技术的基于多阶段信息一致性检验的航空发动机剩余寿命预测方法，其步骤如下：a、采用统计平滑法，对维修前的发动机历史性能监测数据和维修后的发动机性能监测数据进行平滑处理，减少监测数据的测量误差；b、在步骤a的基础上，采用启发式分割算法，求取平滑处理后的维修前性能监测数据的突变点，进行性能退化多阶段的划分；c、在步骤b的基础上，根据发动机性能退化过程的多阶段性和随机性，利用平滑处理后的发动机维修前与维修后的性能监测数据，基于多阶段Wiener过程，建立性能退化模型；d、在步骤c的基础上，利用基于多阶段Wiener过程的正态总体均值一致性检验方法，对维修前与维修后发动机的性能监测数据的均值是否一致进行检验；e、在步骤d的基础上，在正态总体均值一致性检验结果的基础上，根据多阶段Wiener过程的变异系数的倒数构造随机变量H，利用基于概率分布的数据一致性检验方法，检验维修前与维修后发动机的性能监测数据的波动情况是否一致；f、在步骤d和e的基础上，若维修前与维修后发动机的性能监测数据的均值和波动情况均一致，则融合维修前与维修后发动机的性能监测数据，若不一致，则不融合维修前的发动机性能监测数据；利用性能监测数据对多阶段Wiener过程的参数进行训练估计，从而对维修后的发动机进行剩余寿命的预测；下面对具体的步骤进行详细说明。步骤a中，使用统计平滑法消除误差，由于航空发动机监测数据具有非平稳非线性的特征，故采用统计平滑方法对监测数据进行去噪处理，减少监测数据的测量误差，具体如下：式中，yt为t时刻的参数监测值，t取{k，k-1,…k-N+1}，分别表示k时刻，k-1时刻……k-N+1时刻；yt的集合表示为维修前或维修后的本文档来自技高网...

【技术保护点】
1.一种多阶段一致性检验的航空发动机剩余寿命预测方法，其特征在于，包括如下步骤：a、采用统计平滑法，对维修前的发动机历史性能监测数据和维修后的发动机性能监测数据进行平滑处理；b、在步骤a的基础上，采用启发式分割算法，求取平滑处理后的维修前性能监测数据的突变点，进行性能退化多阶段的划分；c、在步骤b的基础上，根据发动机性能退化过程的多阶段性和随机性，利用平滑处理后的发动机维修前和维修后的性能监测数据，基于多阶段Wiener过程，建立性能退化模型；d、在步骤c的基础上，利用基于多阶段Wiener过程的正态总体均值一致性检验方法，对维修前与维修后发动机的性能监测数据的均值是否一致进行检验；e、在步骤d的基础上，在正态总体均值一致性检验结果的基础上，根据多阶段Wiener过程的变异系数的倒数构造随机变量H，利用基于概率分布的数据一致性检验方法，检验维修前与维修后发动机的性能监测数据的波动情况是否一致；f、在步骤d和e的基础上，若维修前与维修后发动机的性能监测数据的均值和波动情况均一致，则融合维修前与维修后发动机的性能监测数据；若不一致，则不融合维修前的发动机性能监测数据；利用性能监测数据对多阶段Wiener过程的参数进行训练估计，从而对维修后的发动机进行剩余寿命的预测。...

【技术特征摘要】
1.一种多阶段一致性检验的航空发动机剩余寿命预测方法，其特征在于，包括如下步骤：a、采用统计平滑法，对维修前的发动机历史性能监测数据和维修后的发动机性能监测数据进行平滑处理；b、在步骤a的基础上，采用启发式分割算法，求取平滑处理后的维修前性能监测数据的突变点，进行性能退化多阶段的划分；c、在步骤b的基础上，根据发动机性能退化过程的多阶段性和随机性，利用平滑处理后的发动机维修前和维修后的性能监测数据，基于多阶段Wiener过程，建立性能退化模型；d、在步骤c的基础上，利用基于多阶段Wiener过程的正态总体均值一致性检验方法，对维修前与维修后发动机的性能监测数据的均值是否一致进行检验；e、在步骤d的基础上，在正态总体均值一致性检验结果的基础上，根据多阶段Wiener过程的变异系数的倒数构造随机变量H，利用基于概率分布的数据一致性检验方法，检验维修前与维修后发动机的性能监测数据的波动情况是否一致；f、在步骤d和e的基础上，若维修前与维修后发动机的性能监测数据的均值和波动情况均一致，则融合维修前与维修后发动机的性能监测数据；若不一致，则不融合维修前的发动机性能监测数据；利用性能监测数据对多阶段Wiener过程的参数进行训练估计，从而对维修后的发动机进行剩余寿命的预测。2.根据权利要求1所述的多阶段一致性检验的航空发动机剩余寿命预测方法，其特征在于，步骤a包括：通过统计平滑公式对维修前的发动机历史性能监测数据和维修后的发动机性能监测数据进行平滑处理；式中，为k时刻的参数平滑估计值，yt为t时刻的参数监测值，t取{k，k-1,…k-N+1}，分别表示k时刻，k-1时刻，……，k-N+1时刻；yt的集合表示为维修前或维修后的监测数据序列y(t)；N表示发动机监测参数序列的数据个数。3.根据权利要求2所述的多阶段一致性检验的航空发动机剩余寿命预测方法，其特征在于，步骤a中，将发动机监测参数序列的N个数据按照时间先后顺序进行排列，构成一个正态分布，在对性能监测数据进行平滑处理前，先判断数据点是否为离群点；判别离群点的过程为：样本的标准方差若序列中第k个数据在内，判定为非离群点数据，要对数据进行平滑处理；若数据不在内，则该数据为离群点，保留原始数据不变。4.根据权利要求1至3中任一项所述的多阶段一致性检验的航空发动机剩余寿命预测方法，其特征在于，步骤b包括：通过启发式算法公式对性能退化多阶段进行划分；式中，N1表示i点左部分的时间点个数，N2表示i点右部分的时间点个数；u1(i)表示i点左部分的均值，u2(i)表示i点右部分的均值；S1(i)表示i点左部分的标准偏差，S2(i)表示i点右部分的标准偏差；SD(i)为合并偏差；T(i)为检验统计值；将非平稳时间序列每个时间点的左右两部分进行比较，T(i)越大，表明该点左右两部份统计特性的差异越大，T(i)值最大时对应的i点即为该非平稳时间序列的分割点，将整个时间窗一分为二；当第一个分割点获得之后，用同样的方法对划分好的两个时间窗分别进行分割即获得四个时间窗，以此类推，时间窗的数量依据实际应用情况和子窗内时间序列的平稳性而定。5.根据权利要求4所述的多阶段一致性检验的航空发动机剩余寿命预测方法，其特征在于，步骤c包括：基于Wiener随机过程的性能退化模型表示为：X(t)＝ut+σB(t)(4)式中，X(t)指在t时刻的性能退化量，u表示Wiener过程的漂移系数，σ表示扩散系数，B(t)是标准布朗运动；基于多阶段Wiener过程的性能退化模型表示为：式中，I(t)是示性函数，X(ti)为ti时的性能退化值，ti为退化量到达各退化分界值的时间；n表示划分的退化阶段数，Xn(t-tn-1)为第n阶段的退化函数；由式(4)和(5)，航空发动机的性能退化量X(t)表示如下式中，Wk表示多阶段性能退化过程的第k阶段的分界值。6.根据权利要求5所述的多阶段一致性检验的航空发动机剩余寿命预测方法，其特征在于，步骤d中，检验维修前与维修后发...

【专利技术属性】
技术研发人员：刘君强，黄亮，左洪福，张曦，张振良，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏,32