一种飞机液压系统故障识别方法，设备及可读存储介质技术方案

本发明专利技术提供本发明专利技术提供了一种飞机液压系统故障识别方法，设备及可读存储介质，获取飞机多个架次的N种对液压系统故障敏感的飞参数据，并构建时序数据集；对于N种液压系统参数所构建的时序数据集进行数据预处理；对于N种液压系统参数所构建的时序数据集进行划分，分为具有标注故障状态的时序数据集和未标注故障状态的时序数据集；然后利用N种液压系统参数，构建基于半监督学习的飞机液压系统故障识别模型；根据基于半监督学习的飞机液压系统故障识别模型及真实数据集，确定飞机液压系统的实际故障状态。本发明专利技术采用一种基于半监督学习的飞机液压系统故障识别模型对飞机液压系统的故障进行识别，可有效识别飞机液压系统的故障情况。

A fault identification method, equipment and readable storage medium for aircraft hydraulic system

【技术实现步骤摘要】
一种飞机液压系统故障识别方法，设备及可读存储介质
本专利技术涉及属于计算机
，尤其涉及军用飞行大数据机务外场自主保障信息支持系统的一种基于半监督学习的飞机液压系统故障识别方法。
技术介绍
从上世纪90年代至今，航空装备技术飞速发展，尤其是在军事战略的调整以及航空装备作战使用样式发生变化的大环境下，飞机地面保障的要求越来越高，而保障飞机液压系统在其中是最为根本的因素。军事科技的飞速发展对飞机的保障以及故障预测提出了更高的要求。但是在长期的发展中，飞机液压系统的保障技术总是落后于其他航天装备的技术。原有的飞机液压系统保障体系在新装备条件下面临巨大的挑战，而对其保障的不到位，会大大降低军用飞机的战备完好率。飞机液压系统的故障识别缺乏量化分析，而且在实际使用及维护过程中积累的经验和数据没能与设计数据很好地结合分析，造成理论与实际的脱离。飞机液压系统的故障状态没有自动识别机制，机务外场设备维护人员在检测飞机液压系统的故障状态时，难以做到心中有数，预见性不足，导致难以准确地对飞机液压系统进行故障预测。当飞机液压系统在发生故障后，机务外场维护人员也很难针对故障现象及可靠性数据、指标数据等的综合分析，进行明确的异常检测，从而很难找到最优的异常检测方法。这使得飞机液压系统维修成本增大，同时液压系统也得不到良好的维护，导致资源的浪费。飞行液压系统的故障识别是预测飞机液压系统健康状态的基础，它时刻影响着军用飞机的作战效率和维修保障效率，因此其在整个部队中的作用极为重要，所以，在大力发展航空装备的同时，如何为飞机液压系统提供准确的故障识别也是地面保障领域中亟待解决的技术问题。
技术实现思路
为了克服上述现有技术中的不足，本专利技术提供一种应用于机务外场自主保障信息支持系统的基于半监督学习的飞机液压系统故障识别方法，可有效对飞机液压系统的故障进行识别。方法包括：步骤1，获取飞机多个架次的N种对液压系统故障敏感的飞参数据，并构建时序数据集，并进行数据预处理；步骤2，对于N种液压系统参数所构建的时序数据集进行划分，分为具有标注故障状态的时序数据集和未标注故障状态的时序数据集；步骤3，然后利用N种液压系统参数，构建基于半监督学习的飞机液压系统故障识别模型，并优化该半监督学习模型；步骤4，根据基于半监督学习的飞机液压系统故障识别模型及真实数据集，确定飞机液压系统的实际故障状态。基于上述故障识别方法本专利技术还提供一种实现飞机液压系统故障识别方法的设备，包括：存储器，用于存储计算机程序及飞机液压系统故障识别方法；处理器，用于执行所述计算机程序及飞机液压系统故障识别方法，以实现飞机液压系统故障识别方法的步骤。基于上述故障识别方法本专利技术还提供一种具有飞机液压系统故障识别方法的可读存储介质，可读存储介质上存储有计算机程序，所述计算机程序被处理器执行以实现飞机液压系统故障识别方法的步骤。从以上技术方案可以看出，本专利技术具有以下优点：飞机液压系统故障识别方法能够实现对飞机液压系统的故障识别及量化分析，而且在实际使用及维护过程中，根据数据分析，结合理论与实际分析。飞机液压系统的故障状态具有自动识别机制，设备维护人员在检测飞机液压系统的故障状态时，可以做到心中有数，准确地对飞机液压系统进行故障预测。当飞机液压系统在发生故障后，维护人员根据具有飞机液压系统故障识别方法的设备可以对故障现象及可靠性数据、指标数据等的综合分析，进行明确的异常检测，从而找到最优的异常检测方法。可以降低飞机液压系统维修成本，同时液压系统得到良好的维护。基于半监督学习的飞机液压系统故障识别方法，可有效对飞机液压系统的故障进行识别。附图说明为了更清楚地说明本专利技术的技术方案，下面将对描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为飞机液压系统故障识别方法流程图。具体实施方式本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本专利技术的范围。附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。本专利技术提供一种飞机液压系统故障识别方法，如图1所示，方法包括：步骤1，获取飞机多个架次的N种对液压系统故障敏感的飞参数据，并构建时序数据集，并进行数据预处理；步骤11，所述的N种对液压系统故障敏感的飞机参数包括液压1(Hydr_1)、液压2(Hydr_2)、低液压1开关表决信号(v_vdhd1sw_0)、低液压2开关表决信号(v_vdhd2sw_0)、电子设备热(TroubleWord2_4)、探头加温系统故障(TroubleWord2_5)；步骤12，对所构建的时序数据集进行数据预处理，所述预处理包括异常值剔除、缺失数据填补、去噪滤波和归一化处理。本专利技术实施例中，所述预处理包括异常值剔除、缺失数据填补、去噪滤波和归一化处理；先对所采集的时序数据集进行数据去噪和缺失数据填补后，再进行归一后处理。其中，可采用中值滤波的方法进行数据去噪，采用插值方法进行缺失数据填补。对所采集的数据集进行归一化处理的目的主要是将所有需要计算的数据都缩小到0-1之间，有效地简化计算，节约计算资源。步骤2，对于N种液压系统参数所构建的时序数据集进行划分，分为具有标注故障状态的时序数据集和未标注故障状态的时序数据集；所述的对于N种液压系统参数所构建的时序数据集进行划分，分为具有标注故障状态的时序数据集和未标注故障状态的时序数据集；进行标注故障状态时，由用户进行手动标注；液压系统的故障状态分为正常状态和故障状态，分别标记为0或1。步骤3，然后利用N种液压系统参数，构建基于半监督学习的飞机液压系统故障识别模型，并优化该半监督学习模型；具体的，包括以下子步骤：步骤1031，对于具有标注故障状态的时序数据集进行聚类，并计算得到聚类中心；本专利技术实施例中，聚类中心的计算公式为：其中，Pik＝f(xi；θ)[k]表示历史标注故障状态的样本xi属于第k类的概率，i表示历史标注样本的序号，k表示历史标注样本的标签类别序号，θ为半监督学习模型中的“student”模型权重参数；θ′半监督学习模型中的“teacher”模型权重参数；分类函数f(xi；θ)由特征抽取器z和线性分类器g本文档来自技高网...

【技术保护点】
1.一种飞机液压系统故障识别方法，其特征在于，方法包括：/n步骤1，获取飞机多个架次的N种对液压系统故障敏感的飞参数据，并构建时序数据集，并进行数据预处理；/n步骤2，对于N种液压系统参数所构建的时序数据集进行划分，分为具有标注故障状态的时序数据集和未标注故障状态的时序数据集；/n步骤3，利用N种液压系统参数，构建基于半监督学习的飞机液压系统故障识别模型，并优化该半监督学习模型；/n步骤4，根据基于半监督学习的飞机液压系统故障识别模型及真实数据集，确定飞机液压系统的实际故障状态。/n

【技术特征摘要】
1.一种飞机液压系统故障识别方法，其特征在于，方法包括：
步骤1，获取飞机多个架次的N种对液压系统故障敏感的飞参数据，并构建时序数据集，并进行数据预处理；
步骤2，对于N种液压系统参数所构建的时序数据集进行划分，分为具有标注故障状态的时序数据集和未标注故障状态的时序数据集；
步骤3，利用N种液压系统参数，构建基于半监督学习的飞机液压系统故障识别模型，并优化该半监督学习模型；
步骤4，根据基于半监督学习的飞机液压系统故障识别模型及真实数据集，确定飞机液压系统的实际故障状态。


2.根据权利要求1所述的故障识别方法，其特征在于，
步骤1还包括：
步骤11，所述的N种对液压系统故障敏感的飞机参数包括液压1(Hydr_1)、液压2(Hydr_2)、低液压1开关表决信号(v_vdhd1sw_0)、低液压2开关表决信号(v_vdhd2sw_0)、电子设备热(TroubleWord2_4)、探头加温系统故障(TroubleWord2_5)；
步骤12，对所构建的时序数据集进行数据预处理，所述预处理包括异常值剔除、缺失数据填补、去噪滤波和归一化处理。


3.根据权利要求1所述的故障识别方法，其特征在于，
步骤2还包括：
所述的对于N种液压系统参数所构建的时序数据集进行划分，分为具有标注故障状态的时序数据集和未标注故障状态的时序数据集；进行标注故障状态时，由用户进行手动标注；
液压系统的故障状态分为正常状态和故障状态，分别标记为0或1。


4.根据权利要求1中所述的故障识别方法，其特征在于，
步骤3还包括：
步骤31，对于具有标注故障状态的时序数据集进行聚类，并计算得到聚类中心；...

【专利技术属性】
技术研发人员：许政，毕茂华，封桂荣，
申请(专利权)人：山东超越数控电子股份有限公司，
类型：发明
国别省市：山东;37