【技术实现步骤摘要】
基于改进DBSCAN算法的航空发动机泵调系统异常检测方法
[0001]本专利技术针对航空发动机泵调系统,利用基于密度的聚类算法(Density-Based Spatial Clustering of Applications with Noise,简称DBSCAN)与动态时间规整(Dynamic Time Warping,简称DTW)相结合的方法,对泵调系统起动过程进行异常检测,切实提高泵调系统的健康监测能力。
技术介绍
[0002]航空发动机作为一种复杂的气动热力学系统,监控其工作状态和性能参数变化趋势,及时有效地规避故障,对于保证和提高发动机工作的安全性和可靠性有着重要意义。发动机数据是规避故障的基础,然而随着系统可靠性的逐渐提高,发动机故障数据在较短时间内难以获得,故传统针对故障数据的监测方法不再适用。同时,数据库、传感器技术、数据采集方法等的应用为发动机健康监测提供了大量的发动机状态数据,基于该状态数据对发动机各个部件及其故障进行可靠性分析和监测已成为趋势。
[0003]飞机发动机的泵调系统是数控系统的组成部分之一,也是故障频发的部件之一,其中泵调包括油源部件、电液转换装置、燃油切断模块、保护模块、监控模块等。国内针对发动机泵调系统故障研究相对较少,针对发动机整机及其他部附件的研究较多,这些研究取得的成果对泵调系统的健康监测有一定的参考价值。例如,Tao等针对航空发动机传感器故障检测方法的适用范围缺乏量化数据问题,对基于卡尔曼滤波和基于自适应滑模观测器的故障检测方法适用性进行了对比分析。Wang等对燃 ...
【技术保护点】
【技术特征摘要】
1.一种基于改进DBSCAN算法的航空发动机泵调系统异常检测方法,其特征在于,包括如下步骤:步骤1:对所给泵调系统起动过程中的特征参数进行特征提取,得到时间序列形式的特征矩阵;步骤2:对所述特征矩阵进行归一化,作为基于DTW距离的DBSCAN算法的输入,同时给定DBSCAN算法所需的参数;步骤3:调用基于DTW距离的DBSCAN算法对归一化后的特征矩阵进行聚类处理,得到聚类结果;步骤4:不属于任何一个聚类簇的样本为异常数据,其余为健康数据,给出异常数据的编号,对应得到该异常数据的发生时间,并保存健康数据为历史特征数据;步骤5:对于新架次的所述特征参数,重复步骤1到步骤4,若该架次特征参数为健康数据,则给出判断并更新历史特征数据;若该架次为故障数据,则给出故障判断。2.根据权利要求1所述的一种基于改进DBSCAN算法的航空发动机泵调系统异常检测方法,其特征在于,步骤1中航空发动机泵调系统在起动过程中的特征参数包括:起动时间、点火时间、起动过程高压涡轮出口温度极大值、转子转速、油针位置、油针控制精度、指令燃油流量。3.根据权利要求1所述的一种基于改进DBSCAN算法的航空发动机泵调系统异常检测方法,其特征在于,步骤2中,DBSCAN算法参数的定义如下:1)ε-邻域:对归一化后的特征矩阵中的元素x
j
,其ε-邻域包含归一化后的特征矩阵内的元素构成的样本集D中与x
j
的距离不大于所选用度量距离的阈值ε的样本,即:N
ε
(x
j
)={x
i
∈D|dist(x
i
,x
j
)≤ε}
ꢀꢀꢀꢀꢀꢀꢀꢀ
(1)2)核心对象:若x
j
的ε-邻域内至少包含MinPts个样本,即||N
ε
(x
j
)||≥MinPts,则x
j
是一个核心对象。4.根据权利要求1所述的一种基于改进DBSCAN算法的航空发动机泵调系统异常检测方法,其特征在于,步骤3中,动态时间规整的过程如下:从步骤1得到的特征矩阵中任意选取两行作为时间序列s和q:s=s1,s2,s3,
…
,s
i
,
…
,s
n
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)q=q1,q2,q3,
…
,q
j
,
…
,q
l
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)其中,n和l分别是s和q的长度,代价矩阵Dist
n
×
l
是一个n
×
l的矩阵,其中的每个元素Dist(i,j)表示s
i
和q
j
之间的局部距离;D...
【专利技术属性】
技术研发人员:赵永平,杨天林,吴奂,朱烨,徐占艳,
申请(专利权)人:南京航空航天大学,
类型:发明
国别省市:
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。