一种基于退化模式一致性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退化模式一致性的航空发动机剩余寿命预测方法，步骤为：采集含有全寿命运行周期的历史发动机的多源信息数据，并对采集的数据降维和融合；针对每一个历史发动机单元，根据健康因子构建该历史发动机的退化模型，所有历史发动机单元的退化模型组成初始退化模型库；针对在役发动机，得到每个在役发动机单元的健康因子和退化模型；从初始退化模型库中选择与在役发动机退化模型具有一致性退化模式的历史发动机单元作为参考模型库；将在役发动机单元退化模型与参考模型库中的每一个模型进行相似性度量；采用加权方式计算在役发动机最终的剩余寿命值。本发明专利技术解决了同一操作条件下不同模式航空发动机的剩余寿命预测问题。

【技术实现步骤摘要】
一种基于退化模式一致性的航空发动机剩余寿命预测方法
本专利技术属于航空发动机寿命预测
，特别涉及了一种基于退化模式一致性的航空发动机剩余寿命预测方法。
技术介绍
航空发动机的剩余使用寿命预测通过监测和监控元部件的征兆指示，沿故障发生到失效的时间线不断进行精确的剩余使用寿命的预计，根据采用的预测方法的差异，通常将寿命预测方法分为基于模型的故障预测和基于数据驱动的故障预测。近年来，随着科学技术的发展和机械部件运行数据的不断积累，数据驱动的故障预测方法越来越受到人们的重视。基于相似性的剩余寿命预测方法又是基于数据驱动方法的一个重要分支，它根据历史失效发动机的退化状态估计在役发动机的剩余使用寿命。目前，大多数剩余寿命预测方法的研究仅考虑了单退化变量的研究，而在工程实际中，部件或系统往往由多种零部件组成，因此其监测变量往往不只一个。此外，同一部件随着运行周期数或时间的增加，受环境等因素影响，呈现出不同的退化状态。目前航空发动机剩余寿命预测方法虽然考虑了不同操作条件的影响，但忽视了同一操作条件下不同模式历史样本数据对待预测发动机单元剩余寿命估计的影响。
技术实现思路
为了解决上述
技术介绍
提出的技术问题，本专利技术旨在提供一种基于退化模式一致性的航空发动机剩余寿命预测方法，解决同一操作条件下不同模式航空发动机的剩余寿命预测问题。为了实现上述技术目的，本专利技术的技术方案为：一种基于退化模式一致性的航空发动机剩余寿命预测方法，包括以下步骤：(1)采集含有全寿命运行周期的历史发动机的多源信息数据，对采集的数据进行降维处理，并将降维后的数据融合为反映发动机健康状态的一维健康因子；(2)针对每一个历史发动机单元，根据健康因子构建该历史发动机的退化模型，所有历史发动机单元的退化模型组成初始退化模型库；(3)对在役发动机按照步骤(1)-(2)操作，得到每个在役发动机单元的健康因子和退化模型；(4)从步骤(2)得到的初始退化模型库中选择与在役发动机退化模型具有一致性退化模式的历史发动机单元作为最终退化模型库，称为参考模型库；(5)将在役发动机单元退化模型与参考模型库中的每一个模型进行相似性度量，每一个模型都计算出一个相应的度量值和在役发动机剩余寿命估计值；(6)根据相似性度量结果，采用加权方式计算在役发动机最终的剩余寿命值。进一步地，步骤(1)的具体过程如下：(101)使用主成分分析方法将传感器采集的发动机多源信息数据进行降维处理；(102)使用BP神经网络模型将降维后的数据拟合为一维健康因子，其范围为0到1，其中0代表失效，1代表健康；每个发动机具有一条随时间变化的健康因子衰退曲线。进一步地，在步骤(2)中，针对每个发动机健康因子衰退曲线，使用非参数的核回归方法提取该发动机单元的退化模型，每个发动机退化模型i在每个时刻p均有一个表示退化状态的数值xi(p·Δt)；其中，i＝1,2,…,N，N为历史发动机单元总数，0≤p≤Ti，Ti是第i个退化模型的失效时间，Δt为传感器的数据采样间隔。进一步地，步骤(4)的具体过程如下：(401)采用余弦相似度计算在役发动机退化模型与初始退化模型库中各退化模型之间的模式匹配程度：其中，q表示在役发动机退化模型的当前时刻，x0(q·Δt)为在役发动机在时刻q的退化模型，M表示在役发动机退化模型在时刻q时总的采样数；v从0递增到M，表示依次选取时刻q和p之前的第v个时刻；(402)在q不变情况下，改变p取值，M≤p≤Ti，依次计算历史发动机退化模型i对应的余弦相似度值，得到该历史发动机退化模型i下最佳的余弦相似度值：cosbest(q,i)＝max(cos(q,p,i))若历史发动机退化模型i的失效时间Ti小于M，则舍弃该参考模型；(403)将初始退化模型库中的所有历史发动机退化模型对应的cosbest(q,i)从大到小排序，并选择其中前K个历史发动机退化模型作为与在役发动机退化模型具有一致退化模式的模型，并组成参考模型库。进一步地，步骤(5)的具体过程如下：(501)使用邻近增强的欧式距离函数计算在役发动机退化模型在[(q-H)·Δt,q·Δt]时间段内与参考模型库中退化模型i在任意时刻p相同长度下的相似度：其中，α为贡献度因子，用于控制不同远近采样点对相似性度量值的贡献，H为非负整数，表示选取的时间段范围；(502)参考模型库中的每个退化模型i与在役发动机退化模型有(Ti-H-1)个相似性度量值，i＝1,2,…,K，从中选出相似性程度最高的度量值：(503)计算参考模型库中的每个退化模型i的实际剩余寿命，即在役发动机剩余寿命估计值：ARLi(q)＝Ti-p。进一步地，在步骤(6)中，采用下式计算在役发动机最终的剩余寿命值：其中，wi为权值，wi＝exp(-Di2)。采用上述技术方案带来的有益效果：本专利技术使用基于邻近增强的欧式距离公式，根据离估计时刻q远近程度赋予不同权重，更符合实际情况，提高了相似性度量的准确性。在构建模型库过程中，使用余弦相似度方法筛选初始模型库，将与在役发动机具有一致退化模式的历史发动机单元作为参考模型库的一部分，进一步提高了本专利技术预测方法的准确性，解决了航空发动机同一操作条件下不同模式的剩余使用寿命预测。附图说明图1为本专利技术的方法流程图；图2为本专利技术中实施例提供的某发动机健康因子与退化模型对比图；图3为本专利技术中退化模型模式匹配流程图；图4为本专利技术中在役发动机与历史单元退化模型相似性度量流程图；图5为本专利技术中实施例提供的在役单元连续预测结果图。具体实施方式以下将结合附图，对本专利技术的技术方案进行详细说明。在本实施方式中，引入NASA埃姆斯研究中心提供的航空发动机数据集，该数据集基于NASA开发的虚拟航空发动机系统CMAPSS，训练集中每个发动机单元包含全寿命运行周期，测试集每个发动机单元只含有一段寿命周期。本实施例选用FD001数据集，该数据集包含21维传感器信息。为了达到连续预测的目的，本实施例只使用其中的训练集，将前99个单元作为历史发动机单元，最后一个单元作为在役发动机。如图1所示，本专利技术的具体步骤如下。步骤1，采集含有全寿命运行周期的历史发动机数据，对采集的传感器监测信息进行降维处理，进一步将多源信息融合为反映发动机健康状态的一维健康因子，具体步骤如下：步骤1.1，使用主成分分析方法对采集到的原始数据进行降维处理，降维后的数据为6维；步骤1.2，构建BP神经网络模型，设定模型输入层、隐含层和输出层结点个数分别为6,12,1；将降维后的数据进行拟合成0到1之间的一维健康因子，每个发动机具有一条随时间变化的健康因子衰退曲线。步骤2，针对每一个历史发动机单元，使用核回归方法从健康因子退化曲线提取该历史发动机部件的退化模型，得到初始退化模型，图2显示了第5个发动机单元健康因子曲线和提取到的退化模型对比图：步骤3，对在役发动机进行同样的健康因子计算和退化模型提取操作，具体描述为：步骤3.1，根据步骤1中从历史发动机单元计算过程中得到的主成分分析方法参数和BP神经网络模型求在役发动机的健康因子；步骤3.2，使用核回归方法拟合在役发动机健康因子曲线，得到在役发动机的退化模型。步骤4，从所有历史发动机退化模型中选择与在役发动机退化模型具有一致退化模式的发动机单元作为最终退化模型库本文档来自技高网...

【技术保护点】
1.一种基于退化模式一致性的航空发动机剩余寿命预测方法，其特征在于，包括以下步骤：(1)采集含有全寿命运行周期的历史发动机的多源信息数据，对采集的数据进行降维处理，并将降维后的数据融合为反映发动机健康状态的一维健康因子；(2)针对每一个历史发动机单元，根据健康因子构建该历史发动机的退化模型，所有历史发动机单元的退化模型组成初始退化模型库；(3)对在役发动机按照步骤(1)‑(2)操作，得到每个在役发动机单元的健康因子和退化模型；(4)从步骤(2)得到的初始退化模型库中选择与在役发动机退化模型具有一致性退化模式的历史发动机单元作为最终退化模型库，称为参考模型库；(5)将在役发动机单元退化模型与参考模型库中的每一个模型进行相似性度量，每一个模型都计算出一个相应的度量值和在役发动机剩余寿命估计值；(6)根据相似性度量结果，采用加权方式计算在役发动机最终的剩余寿命值。

【技术特征摘要】
1.一种基于退化模式一致性的航空发动机剩余寿命预测方法，其特征在于，包括以下步骤：(1)采集含有全寿命运行周期的历史发动机的多源信息数据，对采集的数据进行降维处理，并将降维后的数据融合为反映发动机健康状态的一维健康因子；(2)针对每一个历史发动机单元，根据健康因子构建该历史发动机的退化模型，所有历史发动机单元的退化模型组成初始退化模型库；(3)对在役发动机按照步骤(1)-(2)操作，得到每个在役发动机单元的健康因子和退化模型；(4)从步骤(2)得到的初始退化模型库中选择与在役发动机退化模型具有一致性退化模式的历史发动机单元作为最终退化模型库，称为参考模型库；(5)将在役发动机单元退化模型与参考模型库中的每一个模型进行相似性度量，每一个模型都计算出一个相应的度量值和在役发动机剩余寿命估计值；(6)根据相似性度量结果，采用加权方式计算在役发动机最终的剩余寿命值。2.根据权利要求1所述基于退化模式一致性的航空发动机剩余寿命预测方法，其特征在于，步骤(1)的具体过程如下：(101)使用主成分分析方法将传感器采集的发动机多源信息数据进行降维处理；(102)使用BP神经网络模型将降维后的数据拟合为一维健康因子，其范围为0到1，其中0代表失效，1代表健康；每个发动机具有一条随时间变化的健康因子衰退曲线。3.根据权利要求2所述基于退化模式一致性的航空发动机剩余寿命预测方法，其特征在于，在步骤(2)中，针对每个发动机健康因子衰退曲线，使用非参数的核回归方法提取该发动机单元的退化模型，每个发动机退化模型i在每个时刻p均有一个表示退化状态的数值xi(p·Δt)；其中，i＝1,2,…,N，N为历史发动机单元总数，0≤p≤Ti，Ti是第i个退化模型的失效时间，Δt为传感器的数据采样间隔。4.根据权利要求3所述基于退化模式一致性的航空发动机剩余寿命预测方法，其...

【专利技术属性】
技术研发人员：张辉斌，杨忠，张惠娟，陈爽，李弘宸，张小恺，
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