一种基于工况识别和相似性匹配的变工况下航空发动机整机剩余寿命预测方法技术

本发明专利技术提出了一种基于工况识别和相似性匹配的变工况下航空发动机整机剩余寿命预测方法，该方法着力解决复杂的工况变化掩盖航空发动机真实性能退化趋势致使整机剩余寿命难于预测这个问题，包括如下步骤：首先，识别航空发动机的运行工况；其次，对不同工况下的历史退化数据进行数据标准化；再次，对标准化后的数据进行传感器选择和参数维度约减；接着，使用相似性匹配方法匹配每一台参考发动机和待预测发动机的退化轨迹，获得待预测发动机的剩余寿命估计值和两者之间的相似性距离；最后，通过相似性距离生成加权权重，加权这些寿命估计以获得待预测发动机的剩余寿命。经验证，本发明专利技术对不同的发动机测试样本均具有较高的寿命预测精度。

【技术实现步骤摘要】

本专利技术涉及航空发动机剩余寿命预测的
，具体涉及一种基于工况识别和相似性匹配的变工况下航空发动机整机剩余寿命预测方法。
技术介绍
目前我国航空业正处于蓬勃发展阶段，但依然存在维护和维修成本高等问题。作为飞机核心动力源的航空发动机，是一种安全和可靠性要求极高，设计生产和维修保养花费极大的大型复杂设备。资料显示，自1963年至1975年期间，美国空军的战斗机共发生了飞行事故3824起，其中由于发动机原因导致的事故有1664起，占到总数的43.5％；自1994年至2000年世界航空运输机事故共279，其中因发动机的故障导致飞行事故约20％，因此作为飞机心脏的发动机的维修是航空安全保障的重点。世界范围内航空公司每年大致花费31亿美元用于飞机维修，其中用于航空发动机的维修费用约占总费用的30％，因此需要不断发展与改进现有的航空发动机健康管理技术和维修策略，以减少飞行事故的发生并削减维修花费。随着传感器及监测技术的迅速发展，在航空发动机的使用过程中，积累了大量与寿命信息相关的性能监测数据，采用这类性能退化数据对高可靠和长寿命设备进行寿命预测成为发展趋势。当前，国内对航空发动机寿命预测的研究还停留在单个零部件或滑油系统上，针对航空发动机整机剩余寿命预测的研究基本没有，并且现有研究都是基于单工况假设下进行的。然而，航空发动机常工作在复杂多变的工况环境下，变化的工况掩盖了系统真实的性能退化趋势，在此情况下现存的技术方法不能进行准确的剩余寿命预计。
技术实现思路
本专利技术的目的在于：针对变工况下航空发动机整机剩余寿命难于预测的问题，提出一种基于工况识别和相似性匹配的变工况下航空发动机整机剩余寿命预测方法。本专利技术采用的技术方案为：一种基于工况识别和相似性匹配的变工况下航空发动机整机剩余寿命预测方法，其特征在于：(1)基于K均值聚类的航空发动机工况识别方法，识别系统在不同时刻所处的工况后
将不同工况下的数据标准化到统一的参数空间；(2)为最大限度的挖掘和借鉴参考发动机退化轨迹的衰退规律，通过时间定位和时间尺度伸缩最优地匹配待预测发动机与参考发动机的性能退化轨迹；(3)将参考发动机伸缩后轨迹的剩余寿命作为待预测发动机的剩余寿命估计，并使用相似性距离加权这些估计获得待预测发动机的剩余寿命。本专利技术与现有技术相比的优点在于：(1)、本专利技术通过工况识别方法解决了航空发动机寿命预测领域目前尚未很好解决、而实际中常常存在的变工况问题；(2)、本专利技术提出时间定位和时间尺度伸缩来最大化地匹配参考发动机轨迹与待预测发动机轨迹，提高了历史全寿命数据在预测中的参考价值，算法具有较高的预测精度；(3)、本专利技术借鉴集成学习中的某些思想，对待预测发动机寿命进行多次预测后加权集成获得待预测的寿命，算法稳健性好，抗干扰能力强。附图说明图1为变工况下航空发动机整机剩余寿命预测流程图；图2为K均值聚类流程图；图3为工况识别流程图；图4为变工况工作示意图；图5为多工况下的退化特性融合示意图，其中，图5(a)为坐标平移示意图，图5(b)为尺度伸缩示意图；图6为多工况数据标准化流程图；图7为时间定位示意图；图8为伸缩匹配原理图，其中，图8(a)为时间尺度伸缩原理图，图8(b)为最优匹配示意图；图9为涡轮风扇发动机气路部件简图；图10为工况聚类图；图11为传感器1，2和3标准化前后的退化数据对比(训练集1#发动机)，其中，图11(a)为标准化前的退化数据，图11(b)为标准化之后的退化数据。图12为维度约减后的性能退化轨迹(训练集1#发动机)；图13为测试集1#发动机的3个寿命估计值，其中，图13(a)为使用训练集1#发动机的估计结果，图13(b)为使用训练集2#发动机的估计结果，图13(c)为使用训练集3#发
动机的估计结果。具体实施方式下面结合附图以及具体实施方式进一步说明本专利技术。如图1所示，基于工况识别和相似性匹配的变工况下航空发动机整机剩余寿命预测方法，具体步骤如下：1工况识别复杂的工况变化常常掩盖航空发动机的性能退化，为还原真实的退化趋势，采用先辨识各状态的工况，然后进行数据标准化的策略。本专利技术采用K均值聚类算法对工况参数进行聚类和分类，从而辨识出系统所处各个状态的运行工况信息。在数据挖掘中，K均值聚类算法应用广泛，是经典聚类算法之一。设X＝{X1,X2,...,Xn本文档来自技高网...

【技术保护点】
一种基于工况识别和相似性匹配的变工况下航空发动机整机剩余寿命预测方法，其特征在于：(1)基于K均值聚类的航空发动机工况识别方法，识别系统在不同时刻所处的工况后将不同工况下的数据标准化到统一的参数空间；(2)为最大限度的挖掘和借鉴参考发动机退化轨迹的衰退规律，通过时间定位和时间尺度伸缩最优地匹配待预测发动机与参考发动机的性能退化轨迹；(3)将参考发动机伸缩后轨迹的剩余寿命作为待预测发动机的剩余寿命估计，并使用相似性距离加权这些估计获得待预测发动机的剩余寿命。

【技术特征摘要】
1.一种基于工况识别和相似性匹配的变工况下航空发动机整机剩余寿命预测方法，其特征在于：(1)基于K均值聚类的航空发动机工况识别方法，识别系统在不同时刻所处的工况后将不同工况下的数据标准化到统一的参数空间；(2)为最大限度的挖掘和借鉴...

【专利技术属性】
技术研发人员：刘红梅，李连峰，吕琛，马剑，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11