基于分段拟合分析及评估的民航发动机气路异常检测方法技术

本发明专利技术公开了一种民航发动机气路异常检测方法，属于航空发动机检测技术领域。本发明专利技术解决现有技术中采用单一特征参数对发动机进行异常检测存在片面性的问题，以及CNR报告中信息反馈存在滞后性无法满足早期预警需求的问题。本发明专利技术采取的技术方案包括将多维气路参数偏差值时间序列划分为子序列、子序列二次划分、筛选显著性特征参数，利用熵值评价法对末端特征进行评价及优选排序，确定异常检测特征矩阵以及采用孤立森林异常检测算法实现气路异常检测和早期预警的步骤。实验证明本发明专利技术能够较好地实现气路异常检测，对工程实际应用有深远的指导意义。

【技术实现步骤摘要】
基于分段拟合分析及评估的民航发动机气路异常检测方法
本专利技术涉及航空发动机检测领域，涉及一种民航发动机气路异常检测方法。
技术介绍
民航发动机是为飞机提供动力所需的重大产品，其一旦发生异常，必会引起不可估量的损失。因此，在每次飞行任务前对民航发动机气路部件及单元体进行性能检测，对维持发动机健康状态有着极为重要的作用。民航飞机在实际飞行过程中，由于民航发动机长时间工作于高温高压环境中，极易导致叶片侵蚀、异物破坏、燃料喷嘴堵塞、腐蚀、涡轮叶片间隙过大等问题，这使得发动机气路部件及单元体产生磨损与恶化，并使其性能随着工作时间产生衰退，主要反映在气路参数偏差值，其变化趋势充分反映了发动机性能健康状态，属于典型的时间序列数据。针对关键气路参数偏差值数据而言，其一旦出现异常极有可能表征发动机关键气路部件的故障以及飞行人员违规或误操作等问题。民航发动机气路参数偏差值属于典型的多维时间序列数据，其非平稳、非线性、相关性、高维度等特征致使直接采用特征挖掘工具的效率变低且较难得到能够反映发动机气路性能状态的显著特征。考虑到发动机气路部件及单元体性能衰退是一个复杂机械系统退化过程，采用单一特征参数对发动机进行异常检测不可避免地存在片面性。考虑到部分特征参数存在求解难度大，计算成本高，不适用于在线数据分析的问题，选择合适的特征参数对于异常检测问题尤为关键。由于各时域特征参数在不同应用场景中表现出的适用性以及敏感性会有所不同，而理想的特征参数应当具备抗干扰鲁棒性、失效共驱性、个体普适性以及性能退化一致性等特点，仅通过考虑单一指标对特征参数的影响，进而评价优选的方法难免存在片面性。目前针对民航发动机状态特征参数评价方法研究较少，且无法克服片面性的缺陷。工程实际中，各民航公司主要通过国外发动机制造商给出的CNR报告(CustomerNotificationReport，CNR)中获取发动机发生异常的原因、诊断依据、故障类型、发生时刻以及表征发动机发生异常的各项气路性能参数变化情况。即异常发动机信息均来自于CNR报告，报告中所列异常点均为发动机制造商的性能监控系统分析所得，仅当制造商判定发动机出现异常时，才会进行异常记录，并以CNR报告形式反馈给航空公司，提供技术支持。然而，发动机出现异常不是一蹴而就的，有时极有可能在制造商判定为异常点的前几个飞行巡航就有明显异常征兆。其次，由于制造商与航空公司之间的信息反馈存在滞后性，极有可能导致民航公司未及时检修，以至于后几个连续飞行巡航点仍存在异常。虽然CNR报告中也能给出异常点，但是该点前后多个连续飞行巡航点的异常类别标签是模糊的。由此可见，航空发动机制造商与航空公司之间的信息反馈存在滞后性的问题。因此，现有技术中还没有实现民航发动机气路异常检测及早期预警的解决方案。
技术实现思路
针对以上问题，本专利技术的目的是提供一种民航发动机气路异常检测方法，解决现有技术中采用单一特征参数对发动机进行异常检测存在片面性的问题，以及CNR报告中信息反馈存在滞后性无法满足早期预警需求的问题。本专利技术在分析气路异常模式在多维气路参数偏差值时间序列中表现规律的基础之上，确定时间序列子序列划分方法，通过分析趋势特征，提取多种气路状态的末端特征参数，计算各特征参数的性能指标，然后利用熵值评价法对气路形态特征进行评价及优选排序，进而确定气路异常检测特征矩阵，最后根据所提取的多维气路参数偏差值特征参数矩阵，通过构建孤立森林模型，挖掘气路通道的潜在异常模式，实现气路通道的早期故障预警。为实现上述专利技术目的，本专利技术具体通过以下技术方案实现。一种民航发动机气路异常检测方法，包括：步骤1、将采集到的多维气路参数偏差值时间序列划分为子序列；多维气路参数偏差值时间序列包括排气温度偏差值时间序列、燃油流量偏差值时间序列和高压转子转速偏差值时间序列；步骤2、将多维气路参数偏差值时间序列划分得到的子序列二次划分，采用双段直线拟合子序列，得到第一段直线和第二段直线，获取每段直线的斜率特征；步骤3、在备选特征参数中筛选显著性特征参数，确定异常检测特征矩阵；相对于没有被筛选出的其他备选特征参数，显著性特征参数影响排气温度偏差值、燃油流量偏差值、高压转子转速偏差值的显著性程度更高；所述筛选通过计算各备选特征参数的性能指标，然后采用熵值法对备选特征参数进行评价及优选排序实现；步骤4、采用孤立森林异常检测算法实现气路异常检测和早期预警。优选地，步骤1中，采用等长有重叠滑动窗口划分方法，将原始多维气路参数偏差值时间序列划分为子序列，以固定长度的窗口段表示；具体包括以下步骤：步骤1.1将多维气路参数偏差值时间序列样本集合记作X＝{XDEGT,XDFF,XDN2}，其中XDEGT,XDFF及XDN2分别是单个长度为T的排气温度偏差值时间序列、燃油流量偏差值时间序列、高压转子转速偏差值时间序列；XDEGT可表示为表示DEGT在第i时刻的数值，R表示实数域；步骤1.2通过等长有重叠滑动窗口划分方法对XDEGT进行分段，具体划分表示如公式(1)所示；式中：——代表划分后第i个时间序列片段；w——代表滑动窗口长度；s——代表滑动步长；d——代表划分后时间序列的片段总数，d＝(T-w)/s+1。优选地，步骤2具体包括：假设时间序列是时间序列的第i个子序列；获取子序列模式斜率特征，即利用最小二乘法拟合当前子序列，获取该段子序列的趋势特征，计算方法如公式(2)：式中：——代表第i个子序列拟合直线的斜率；——代表第i个子序列拟合直线的截距；N——代表监测点数；采用双段直线拟合当前子序列，进而获取更能表征发动机气路异常模式的末端斜率特征，采用基于分段最优化的子序列二次划分方法。优选地，所述基于分段最优化的子序列二次划分方法如下：设置拟合优度初值R0及初始节点i0，采用循环遍历的方法，利用最小二乘拟合并求取第一段子序列区间拟合回归平方和SSR1与残差平方和SSE1，第二段子序列区间拟合回归平方和SSR2与残差平方和SSE2，获取总体拟合优度R，并判断其是否是全局最大，若满足条件则输出拟合节点i，将子序列进一步划分为X[0:i]与X[i:n]，循环结束，式中SSR，SSE和R的计算方法如公式(3)～公式(5)所示。式中：m——代表两段区间的划分点；n——代表拟合样本总数；——分别第i段区间的样本均值；式中：——代表样本拟合值；优选地，步骤3中，采用相关性指标、单调性指标、离散性指标、鲁棒性指标作为各特征参数的评价指标，各评价指标的计算方法如公式(6)～(9)：相关性指标Corr：式中：X＝(x1,x2,...,xN)——代表某一时域特征参数序列；T＝(t1,t2,...,tN)——代表特征参数序列对应时刻的时间序列；N——代表监测点数；单调性指标Mon：式中：δ(x本文档来自技高网...

【技术保护点】
1.一种民航发动机气路异常检测方法，其特征在于所述方法包括：/n步骤1、将采集到的多维气路参数偏差值时间序列划分为子序列；多维气路参数偏差值时间序列包括排气温度偏差值时间序列、燃油流量偏差值时间序列和高压转子转速偏差值时间序列；/n步骤2、将多维气路参数偏差值时间序列划分得到的子序列二次划分，采用双段直线拟合子序列，得到第一段直线和第二段直线，获取每段直线的斜率特征；/n步骤3、在备选特征参数中筛选显著性特征参数，确定异常检测特征矩阵；相对于没有被筛选出的其他备选特征参数，显著性特征参数影响排气温度偏差值、燃油流量偏差值、高压转子转速偏差值的显著性程度更高；所述筛选通过计算各备选特征参数的性能指标，然后采用熵值法对备选特征参数进行评价及优选排序实现；/n步骤4、采用孤立森林异常检测算法实现气路异常检测和早期预警。/n

【技术特征摘要】
1.一种民航发动机气路异常检测方法，其特征在于所述方法包括：
步骤1、将采集到的多维气路参数偏差值时间序列划分为子序列；多维气路参数偏差值时间序列包括排气温度偏差值时间序列、燃油流量偏差值时间序列和高压转子转速偏差值时间序列；
步骤2、将多维气路参数偏差值时间序列划分得到的子序列二次划分，采用双段直线拟合子序列，得到第一段直线和第二段直线，获取每段直线的斜率特征；
步骤3、在备选特征参数中筛选显著性特征参数，确定异常检测特征矩阵；相对于没有被筛选出的其他备选特征参数，显著性特征参数影响排气温度偏差值、燃油流量偏差值、高压转子转速偏差值的显著性程度更高；所述筛选通过计算各备选特征参数的性能指标，然后采用熵值法对备选特征参数进行评价及优选排序实现；
步骤4、采用孤立森林异常检测算法实现气路异常检测和早期预警。


2.根据权利要求1所述的一种民航发动机气路异常检测方法，其特征在于：
步骤1中，采用等长有重叠滑动窗口划分方法，将原始多维气路参数偏差值时间序列划分为子序列，以固定长度的窗口段表示；具体包括以下步骤：
步骤1.1将多维气路参数偏差值时间序列样本集合记作X＝{XDEGT,XDFF,XDN2}，其中XDEGT,XDFF及XDN2分别是单个长度为T的排气温度偏差值时间序列、燃油流量偏差值时间序列、高压转子转速偏差值时间序列；
XDEGT可表示为表示DEGT在第i时刻的数值，R表示实数域；
步骤1.2通过等长有重叠滑动窗口划分方法对XDEGT进行分段，具体划分表示如公式(1)所示；
XDEGT可表示为：
式中：——代表划分后第i个时间序列片段；
w——代表滑动窗口长度；
s——代表滑动步长；
d——代表划分后时间序列的片段总数，d＝(T-w)/s+1。


3.根据权利要求1所述的一种民航发动机气路异常检测方法，其特征在于：
步骤2具体包括：
假设时间序列是时间序列的第i个子序列；
获取子序列模式斜率特征，即利用最小二乘法拟合当前子序列，获取该段子序列的趋势特征，计算方法如公式(2)：



式中：——代表第i个子序列拟合直线的斜率；

——代表第i个子序列拟合直线的截距；
N——代表监测点数；
采用双段直线拟合当前子序列，进而获取更能表征发动机气路异常模式的末端斜率特征，采用基于分段最优化的子序列二次划分方法。


4.根据权利要求3所述的一种民航发动机气路异常检测方法，其特征在于：
所述基于分段最优化的子序列二次划分方法如下：
设置拟合优度初值R0及初始节点i0，采用循环遍历的方法，利用最小二乘拟合并求取第一段子序列区间拟合回归平方和SSR1与残差平方和SSE1，第二段子序列区间拟合回归平方和SSR2与残差平方和SSE2，获取总体拟合优度R，并判断其是否是全局最大，若满足条件则输出拟合节点i，将子序列进一步划分为X[0:i]与X[i:n]，循环结束，式中SSR，SSE和R的计算方法如公式(3)～公式(5)所示。



式中：m——代表两段区间的划分点；
n——代表拟合样本总数；

——分别第i段区间的样本均值；



式中：——代表样本拟合值；

。


5.根据权利要求1所述的一种民航发动机气路异常检测方法，其特征在于：
步骤3中，采用相关性指标、单调性指标、离散性指标、鲁棒性指标作为各特征参数的评价指标，各评价指标的计算方法如公式(6)～(9)...

【专利技术属性】
技术研发人员：付旭云，周星杰，钟诗胜，张永健，
申请(专利权)人：哈尔滨工业大学威海，
类型：发明
国别省市：山东;37