【技术实现步骤摘要】
一种基于部件级融合的发动机健康状态识别方法
[0001]本专利技术涉及航天发动机健康状态识别
，特别涉及一种基于部件级融合的发动机健康状态识别方法。
技术介绍
[0002]航天发动机是航天工程不可或缺的重要动力源，由于泵在高压、高速、易燃、易腐蚀条件下工作，极易发生异常。这些异常一旦发生就会造成严重后果，故有必要在航天发动机试车过程中进行相关的数据监测并进行运行状态识别，以便能及时发现问题并进行维修，避免由于航天发动机健康状态异常导致的事故。
[0003]航天发动机由燃料发生器、主涡轮、氧泵、燃料一级泵、燃料二级泵及推力室等多个部件组成。传统的航天发动机状态识别方法多采用数据驱动的方法，关注于对整体状态进行识别，只能判断设备状态而无法对各部件异常的状况及其与总体的关系进行分析。无法对异常具体部位及维修策略做出对应指导。且实际样本采集过程中存在着异常样本较少的问题。
[0004]现有融合方法对各通道的实际物理意义考虑不充分，使得同部件的监测数据难以有效融合，影响了健康状态识别的效果。因此，需要研究基于部件...
【技术保护点】
【技术特征摘要】
1.一种基于部件级融合的发动机健康状态识别方法，其特征在于，包括以下步骤：步骤1：以航天发动机稳态运行阶段多个部件的多个传感器通道采集到的一维信号作为多源信号，对各传感器通道的一维信号进行预处理，根据各传感器通道一维信号采集的位置完成信号的部件级划分，并划分部件级数据的训练集和测试集；步骤2：使用加噪重采样的异常数据生成方法，以步骤1中部件级数据的训练集的健康样本为基础生成异常样本，并将异常样本并入训练集；步骤3：对各部件分别构建部件级卷积神经网络作为部件级状态智能识别模型，对步骤2得到的各部件训练集分别进行学习，模型通过对各部件多源数据进行自适应特征融合及提取，实现对航天发动机部件级状态的智能识别；步骤4：构建注意力融合网络作为整体状态智能识别模型，对步骤3得到的部件级状态的智能识别结果进行融合，实现航天发动机整机的状态智能识别。2.根据权利要求1所述的一种基于部件级融合的发动机健康状态识别方法，其特征在于，步骤1对各传感器通道的一维信号进行的预处理包括，对每个传感器通道的一维信号分别进行标准化处理，对标准化处理的样本进行采样与标签添加。3.根据权利要求2所述的一种基于部件级融合的发动机健康状态识别方法，其特征在于，所述标准化处理具体为：对各传感器通道的一维信号分别进行线性函数归一化处理，得到归一化信号，其计算式为：式中，X
i
为第i个传感器通道采集的一维信号序列，X
max
为序列的最大值，X
min
为序列的最小值，为第i个传感器通道归一化后的信号。4.根据权利要求2所述的一种基于部件级融合的发动机健康状态识别方法，其特征在于，每个传感器通道的一维信号有统一的时间序列，对标准化之后的多源信号进行统一采样，得到的各样本长度相同，且单个样本之间不存在重叠部分，单个样本表示为：式中，X表示样本，M表示样本中各传感器通道的采样数据，m表示样本中的具体数据，L为传感器通道数，N为样本长度。5.根据权利要求2所述的一种基于部件级融合的发动机健康状态识别方法，其特征在于，步骤1中的多源信号来自多组发动机，其中部分发动机状态健康，其余发动机存在异常，分别对各发动机采集到的信号进行样本采集，并根据发动机运行状态对样本添加对应标签，异常发动机采集的样本整体标签为0，健康发动机采集的样本整体标签为1。6.根据权利要求5所述的一种基于部件级融合的发动机健康状态识别方法，其特征在于，步骤1中的部件级数据来自发动机的不同部位，分别为：推力室数据、燃气发生器数据、氧化剂数据以及燃料数据；根据各传感器通道来源的不同部位，对原始多源信号进行通道级数据划分，并根据发动机运行状态对部件样本添加对应标签，健康发动机采集到的各部
件数据样本部件标签为0，异常发动机采集到各部件数据的样本不...
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。