The invention discloses a minimum risk diagnosis method and device for multi-type faults of aero-engine, in which the methods include: forming the original training set; dimensionless processing of the original training set by using the maximum and minimum normalization method, dimensionless processing by using linear discriminant analysis; modeling the posterior probability of various faults in the training set to obtain the soft of the engine. Max failure probability model; acquisition of in-service aero-engine sensor measurement parameters, normalization of maximum and minimum values and linear discriminant analysis for dimensionality reduction; estimation of all kinds of failure probability of in-service aero-engine by using soft Max failure probability model; calculation of expected loss for all kinds of faults based on experience loss table of various kinds of fault classification errors, and calculation of expected loss according to expected loss The criterion of minimum loss is used to make fault diagnosis decision. This method can diagnose aero-engine faults with low expected loss, and provide reasonable decision-making for subsequent aero-engine maintenance.
【技术实现步骤摘要】
航空发动机多类故障最小风险诊断方法及装置
本专利技术涉及航空发动机健康管理
，特别涉及一种航空发动机多类故障最小风险诊断方法及装置。
技术介绍
航空发动机是飞机的重要子系统，它的运行状态直接影响着飞机飞行状态。历史上，有不少航空事故都是由发动机故障产生的。同时，作为一种复杂的机械系统，航空发动机本身拥有高昂的成本。因此，航空发动机的维修保障对保证飞行安全、提高飞机的使用效能和使用经济性非常重要。随着社会经济的发展，飞机航班越来越多，对航空发动机的需求量也越来越大。与此同时，随着人们对飞机性能的需求越来越高，发动机的推重比越来越大，其复杂度和信息化水平也在不断提高。传统的维修策略，如基于故障的事后维修以及基于时间的定期维修已经难以适应航空发动机维修保障的需求。CBM(Conditioned-BasedMaintenance，基于状态的视情维修)越来越受到人们的关注。CBM根据设备个体的实际监测状态为基础，利用一定的理论方法预测潜在的故障及剩余使用寿命，从而为维修决策提供参考和依据。CBM能够更准确地权衡安全性和经济性的矛盾，最大限度地减小维修风险和维修成本，提...
【技术保护点】
1.一种航空发动机多类故障最小风险诊断方法，其特征在于，包括以下步骤：步骤S1：采集航空发动机包含各类故障以及无故障的传感器测量数据，以构成原始训练集；步骤S2：利用最大‑最小值归一化方法对所述原始训练集进行无量纲化处理，并采用线性判别分析进行降维处理；步骤S3：采用极大似然估计的方法，并利用softmax函数对训练集中所述各类故障的后验概率进行建模，以得到所述发动机的softmax故障概率模型；步骤S4：采集在役的航空发动机传感器测量参数，并进行最大‑最小值归一化和线性判别分析降维处理；步骤S5：利用所述softmax故障概率模型估计出所述在役航空发动机的各类故障概率；以...
【技术特征摘要】
1.一种航空发动机多类故障最小风险诊断方法，其特征在于，包括以下步骤：步骤S1：采集航空发动机包含各类故障以及无故障的传感器测量数据，以构成原始训练集；步骤S2：利用最大-最小值归一化方法对所述原始训练集进行无量纲化处理，并采用线性判别分析进行降维处理；步骤S3：采用极大似然估计的方法，并利用softmax函数对训练集中所述各类故障的后验概率进行建模，以得到所述发动机的softmax故障概率模型；步骤S4：采集在役的航空发动机传感器测量参数，并进行最大-最小值归一化和线性判别分析降维处理；步骤S5：利用所述softmax故障概率模型估计出所述在役航空发动机的各类故障概率；以及步骤S6：根据各类故障分类错误的经验损失表计算出判定为各类故障的期望损失，并根据期望损失最小的准则进行故障诊断决策。2.根据权利要求1所述的航空发动机多类故障最小风险诊断方法，其特征在于，在所述步骤S3中，采用所述极大似然估计的方法，并利用所述softmax函数对所述训练集中的各类故障的后验概率进行建模，其中，极大似然估计的最优化问题为凸问题，并利用梯度下降法求得全局最小值。3.根据权利要求1所述的航空发动机多类故障最小风险诊断方法，其特征在于，在所述步骤S6中，所述故障诊断的决策准则为根据所述经验损失表计算出将当前发动机的状态判定为各类别故障的期望损失，根据期望损失最小的准则进行故障诊断决策，使得诊断结果的期望损失最小。4.根据权利要求1所述的航空发动机多类故障最小风险诊断方法，其特征在于，在所述步骤S2和所述步骤S4中，对数据集进行降维时，采用有监督的降维方法——线性判别分析，以有效利用类别信息。5.根据权利要求1所述的航空发动机多类故障最小风险诊断方法，其特征在于，在所述步骤S3中，采用所述softmax函数对所述后验概率P(Ck|x(i)；θ)建模，公式为：其中，x(i)代表一个样本点，θ是一个K×(d+...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。