一种飞机燃油系统异常检测方法及装置制造方法及图纸

本发明专利技术公开了一种飞机燃油系统异常检测方法及装置。该方法包括：获取飞行状态监测数据和检测出飞机出现的表象问题；飞行状态监测数据包括飞机上各个器件的运行参数；从飞行状态监测数据中提取可能引起表象问题的主要参数；将主要参数作为ELM预测模型的输入，得到各个器件的健康值；其中，健康值低于预设值的器件是引起表象问题的器件，ELM预测模型通过引起不同表象问题的问题参数样本和各个器件的健康值样本训练得到。本发明专利技术实现对飞机燃油系统状态的异常检测。

AN ABNORMAL DETECTION METHOD AND DEVICE FOR AIRCRAFT FUEL SYSTEM

【技术实现步骤摘要】
一种飞机燃油系统异常检测方法及装置
本专利技术实施例涉及飞机燃油系统异常检测技术，尤其涉及一种飞机燃油系统异常检测方法及装置。
技术介绍
燃油系统作为飞机必不可少的组成部分，它的功能和特性对于飞机的飞行安全和任务的完成起着非常重要的关键作用。燃油流量规律与发动机的性能息息相关，从某种程度上能够反映发动机性能衰减情况，是影响飞机性能的重要因素。飞机在飞行过程中受到各种环境因素的影响，如何利用飞行状态参数监测飞机异常状态，确保飞行安全就显得更加重要，因此研究飞机燃油系统流量规律与发动机性能参数之间的关系，对于飞机燃油系统的异常检测具有非常重要的意义。当前飞机燃油系统没有智能的异常检测方法，仅仅依靠阈值判断的方法，而且其阈值设置主要依赖于人为经验，对于不同的飞机，不同的飞行状态，误差较大。基于统计分析的方法比阈值方法性能好，广泛应用于网络入侵检测，故障检测和诊断，环境异常检测等方面，但是在燃油系统的应用中，难以对数据做出准确的分布统计。此外，当前的异常检测也是针对已知的故障模式进行的人工阈值设定，对于未曾出现的故障或处于退化过程中的状态难以设定阈值。
技术实现思路
本专利技术提供一种飞机燃油系统异常检测方法及装置，以实现飞机的各个器件是否出现问题的自动预测。第一方面，本专利技术实施例提供了一种飞机燃油系统异常检测方法，包括：获取飞行状态监测数据和检测出飞机出现的表象问题；飞行状态监测数据包括飞机上各个器件的运行参数；从飞行状态监测数据中提取可能引起表象问题的主要参数；将主要参数作为ELM预测模型的输入，得到各个器件的健康值；其中，健康值低于预设值的器件是引起表象问题的器件，ELM预测模型通过引起不同表象问题的问题参数样本和各个器件的健康值样本训练得到。进一步的，从飞行状态监测数据中提取可能引起表象问题的主要参数，包括：标准化飞行状态监测数据；采用主成分分析的方法从标准化后的飞行状态监测数据可能引起表象问题的主要参数。进一步的，采用主成分分析的方法从标准化后的飞行状态监测数据可能引起表象问题的主要参数，包括：将飞行状态监测数据作为自变量，将表象问题作为因变量，建立PLS回归方程；对PLS回归方程进行变形，得到相邻自变量的关系和相邻因变量的关系；根据相邻自变量的关系和相邻因变量的关系提取可能引起表象问题的主要参数。进一步的，所述方法还包括:对训练中的预测模型通采用置信区间的方法或k折交叉验证的方法进行验证，当验证结果不符合要求时，通过验证结果和各个器件的健康值样本改进训练中的预测模型的参数。进一步的，ELM预测模型的结构为单隐层神经网络，包括网络输入层、一层隐藏层以及输出层。进一步的，引起不同表象问题的问题参数样本中包括占10％的随机数据和占90％的引起不同表象问题的问题参数。第二方面，本专利技术实施例还提供了一种飞机燃油系统异常检测装置，包括：获取模块，用于获取飞行状态监测数据和检测出飞机出现的表象问题；飞行状态监测数据包括飞机上各个器件的运行参数；提取模块，用于从飞行状态监测数据中提取可能引起表象问题的主要参数；预测模块，用于将主要参数作为ELM预测模型的输入，得到各个器件的健康值；其中，健康值低于预设值的器件是引起表象问题的器件，ELM预测模型通过引起不同表象问题的问题参数样本和各个器件的健康值样本训练得到。进一步的，提取模块包括：标准化单元，用于标准化飞行状态监测数据；提取单元，用于采用主成分分析的方法从标准化后的飞行状态监测数据可能引起表象问题的主要参数。进一步的，提取单元具体用于：将飞行状态监测数据作为自变量，将表象问题作为因变量，建立PLS回归方程；对PLS回归方程进行变形，得到相邻自变量的关系和相邻因变量的关系；根据相邻自变量的关系和相邻因变量的关系提取可能引起表象问题的主要参数。第三方面，本专利技术实施例还提供了一种计算机可读的存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面中任一所述的飞机燃油系统异常检测方法。本专利技术提出一种基于状态预测的异常检测方法及装置。极限学习机(ExtremeLearningMachine，ELM)算法具有学习速度快、泛化能力好、鲁棒性强等特点，因此采用基于ELM回归预测的方法，利用历史飞行状态监测数据训练飞机燃油系统燃油流量与发动机等性能参数建立燃油系统异常检测模型，然后将当前飞行状态数据和模型预测输出进行对比，从而实现对飞机燃油系统状态的异常检测。附图说明图1示出基于ELM算法的飞机燃油系统异常检测流程图；图2示出k折交叉验证的流程图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。随着国内民航工业与运输业的发展，机队规模越来越大，对飞机故障预测、诊断和健康监控的需求越来越大，保障成本也越来越高。为提高飞机异常和故障检测率，提升飞机和机队的运行效率，降低平均使用和维护成本，本专利针对飞机燃油系统异常和故障问题等民航飞机较常见的故障问题，设计一种基于ELM算法的飞机燃油系统异常检测方法，能够对飞机燃油系统进行迅速准确的进行异常检测，对提升飞机安全性和降低综合维护保障成本具有重要意义，有很大的应用前景。本专利技术提出一种基于极限学习机算法ELM的飞机燃油系统异常检测方法。由于飞行状态参数众多，导致异常检测复杂度增加，精确度降低，因此首先采用主成分分析的方法对飞行状态参数降维，筛选出与燃油系统流量相关性较强的状态参数；另外由于飞行状态监测数据受到环境因素和人为因素等噪声影响，提出了采用置信区间和k折交叉验证的方法，降低噪声等不确定性因素对方法准确性的影响，最终提高了异常检测的准确性和模型的泛化能力，对于燃油系统的异常检测具有重要的意义。本专利技术提出一种用于研究飞机燃油系统异常检测的方法。整个飞机燃油系统异常检测方法的包括飞行状态监测数据的降维，ELM预测模型的构建和k折交叉验证和异常检测。其特殊之处在于它包括以下内容：1、提出了采用主成分分析的方法对原始的飞行状态监测参数进行降维的方法。2、提出采用回归预测的方法对燃油系统的状态进行异常检测，避免了人工设置阈值，能够及时对燃油系统的异常发出告警。3、采用k折交叉验证的方法进一步提高ELM算法的准确性和泛化能力。本专利专利技术的飞机燃油系统异常检测的方法，可分析历史飞行数据，对数据进行降维优化，用故障数据训练ELM预测模型，通过k折交叉验证，实现通过飞行数据对异常的检测，可大幅减少飞机异常或故障的维修定位时间，提高维修效率，降低维护成本，增加飞机在服役周期内的在役时间，提高飞机的使用效率。随着国内民航工业与运输业的发展，对飞机故障预测、诊断和健康监控的需求越来越大，本专利有很大的应用前景。1、整体流程参照图1，基于ELM的飞机燃油系统异常检测整体流程图，本专利技术所利用的数据是飞行状态监测数据，首先采用主成分分析的方法提取与燃油系统燃油流量相关的主要参数，然后构建训练数据向量，接着利用ELM算法进行回归拟合，最后输入测试数据，实现对状态的拟合预测和异常检测。2、主成分分析因为飞行参数数据记录的参数量众多，参数太多增加了燃油系统异常检测的复杂度，同时还会降低本文档来自技高网...

【技术保护点】
1.一种飞机燃油系统异常检测方法，其特征在于，包括：获取飞行状态监测数据和检测出飞机出现的表象问题；飞行状态监测数据包括飞机上各个器件的运行参数；从飞行状态监测数据中提取可能引起表象问题的主要参数；将主要参数作为ELM预测模型的输入，得到各个器件的健康值；其中，健康值低于预设值的器件是引起表象问题的器件，ELM预测模型通过引起不同表象问题的问题参数样本和各个器件的健康值样本训练得到。

【技术特征摘要】
1.一种飞机燃油系统异常检测方法，其特征在于，包括：获取飞行状态监测数据和检测出飞机出现的表象问题；飞行状态监测数据包括飞机上各个器件的运行参数；从飞行状态监测数据中提取可能引起表象问题的主要参数；将主要参数作为ELM预测模型的输入，得到各个器件的健康值；其中，健康值低于预设值的器件是引起表象问题的器件，ELM预测模型通过引起不同表象问题的问题参数样本和各个器件的健康值样本训练得到。2.根据权利要求1所述的方法，其特征在于，从飞行状态监测数据中提取可能引起表象问题的主要参数，包括：标准化飞行状态监测数据；采用主成分分析的方法从标准化后的飞行状态监测数据可能引起表象问题的主要参数。3.根据权利要求2所述的方法，其特征在于，采用主成分分析的方法从标准化后的飞行状态监测数据可能引起表象问题的主要参数，包括：将飞行状态监测数据作为自变量，将表象问题作为因变量，建立PLS回归方程；对PLS回归方程进行变形，得到相邻自变量的关系和相邻因变量的关系；根据相邻自变量的关系和相邻因变量的关系提取可能引起表象问题的主要参数。4.根据权利要求1所述的方法，其特征在于，所述方法还包括:对训练中的预测模型通采用置信区间的方法或k折交叉验证的方法进行验证，当验证结果不符合要求时，通过验证结果和各个器件的健康值样本改进训练中的预测模型的参数。5.根据权利要求1-4任一项所述的方法，其特征在于，ELM预测模型的结构为单隐层神经...

【专利技术属性】
技术研发人员：潘震，张竞凯，池程芝，李铁颖，
申请(专利权)人：中国航空无线电电子研究所，
类型：发明
国别省市：上海,31