一种航空液压泵站实时异常检测方法、装置、设备及介质制造方法及图纸

本申请公开了一种航空液压泵站实时异常检测方法、装置、设备及介质，涉及航空液压泵站检测技术领域。该方法包括获取目标航空液压泵站的历史时序数据；其中，所述历史时序数据用于表征所述目标航空液压泵站的性能；将所述历史时序数据进行分段拟合，以获得分段点；基于所述分段点，对分段拟合后的所述历史时序数据进行分类，以获得训练集；基于所述训练集，对构建的初始神经网络模型进行训练，以获得数据预测模型；基于所述数据预测模型，对所述目标航空液压泵站的实时时序数据进行检测。通过上述技术方案可以快速准确的检测出目标航空泵站出现故障的位置，因此工作人员可以更高效的排除掉相关故障，从而可以提高飞机装配的生产效率。率。率。

【技术实现步骤摘要】
一种航空液压泵站实时异常检测方法、装置、设备及介质


[0001]本申请涉及
，尤其涉及航空液压泵站实时异常检测方法、装置、设备及介质。

技术介绍

[0002]液压泵站被广泛应用于工业制造行业中，常见的液压泵站主要包括液压油泵、控制阀门、作动筒、液压马达和辅助装置等部分。在飞机制造领域中，液压泵站是飞机总装环节的一种重要专用设备，其主要作用是为飞机总装实验过程起落架、减速板收放等动作的测试提供液压能。
[0003]由于航空液压泵站系统结构复杂且部件多，同时对于工作环境要求较高，因此航空液压泵站在使用过程出现故障的频率较高，而且大多故障状况具有突发性和偶然性，故障状况难以预测。一旦液压泵站在使用过程中出现故障，轻则导致任务暂停，计划延期等情况，重则导致产品损坏，甚至出现作业安全事故。因此，对航空液压泵站的故障检测显得至关重要。
[0004]现有技术中，通常是设备管理人员经过专业技术培训后定期对设备进行检查维护，或出现故障以后，停机对故障原因进行排查分析。如此，不能快速的检测出航空液压泵站的故障，从而影响到飞机装配的生产效率。

技术实现思路

[0005]本申请的主要目的在于提供航空液压泵站实时异常检测方法、装置、设备及介质，旨在解决现有技术中不能快速的检测出航空液压泵站的故障，从而影响到飞机装配生产效率的技术问题。
[0006]为实现上述目的，本申请第一方面提供了一种航空液压泵站实时异常检测方法，所述方法包括：
[0007]获取目标航空液压泵站的历史时序数据；其中，所述历史时序数据用于表征所述目标航空液压泵站的性能；
[0008]将所述历史时序数据进行分段拟合，以获得分段点；
[0009]基于所述分段点，对分段拟合后的所述历史时序数据进行分类，以获得训练集；
[0010]基于所述训练集，对构建的初始神经网络模型进行训练，以获得数据预测模型；
[0011]基于所述数据预测模型，对所述目标航空液压泵站的实时时序数据进行检测。
[0012]可选地，所述将所述历史时序数据进行分段拟合，以获得分段点，包括：
[0013]设置分段阈值；其中，所述分段阈值为某段所述历史时序数据预设的误差总和；
[0014]构建分段拟合模型；
[0015]基于所述分段阈值和所述分段拟合模型，对所述历史时序数据进行分段拟合，以获得分段点。
[0016]可选地，所述基于所述分段阈值和所述分段拟合模型，对所述历史时序数据进行
分段拟合，以获得分段点，包括：
[0017]当所述分段拟合模型中的分段误差总和大于所述分段阈值时，获得一个分段点。
[0018]可选地，所述构建分段拟合模型，包括：
[0019]通过如下关系式，构建分段拟合模型：
[0020][0021]其中，x
i
表示第i时刻的历史时序数据观测值，F
j
(t
i
)表示拟合的线性函数，J表示分段拟合模型中的分段误差总和，jf表示分段j的结束时刻，js表示分段j的起点时刻，K表示第K个分段。
[0022]可选地，所述基于所述分段点，对分段拟合后的所述历史时序数据进行分类，以获得训练集，包括：
[0023]基于所述分段点的数量，将所述历史时序数据进行分段；
[0024]基于所述历史时序数据的工况种类，将分段后的所述历史时序数据分为若干类；
[0025]基于分为若干类后的所述历史时序数据，获得训练集。
[0026]可选地，所述基于所述训练集，对构建的初始神经网络模型进行训练，以获得数据预测模型，包括：
[0027]获得每类所述历史时序数据的训练时间步长；其中，所述训练时间步长为每类所述历史时序数据在若干时间内的平均密度；
[0028]基于BP算法、所述训练集和所述训练时间步长，对构建的初始神经网络模型进行训练，以获得数据预测模型。
[0029]可选地，所述基于分为若干类后的所述历史时序数据，获得训练集，包括：
[0030]通过如下关系式，构建初始神经网络模型：
[0031]z
t
＝σ(W
z
·
[h
t
‑1,x
t
])
[0032]r
t
＝σ(W
r
·
[h
t
‑1,x
t
])
[0033][0034][0035]其中，x
t
表示t时刻的输入数据，h
t
表示t时刻的隐藏状态，h
t
‑1表示t
‑
1时刻的隐藏状态，z
t
表示t时刻更新门，r
t
表示t时刻重置门，表示t时刻候选隐藏状态，W表示权重系数矩阵，W
z
表示t时刻更新门对应的权重，W
r
表示t时刻重置门对应的权重，σ()表示激活函数，tanh()表示双曲正切函数。
[0036]可选地，所述基于所述数据预测模型，对所述目标航空液压泵站的实时时序数据进行检测，包括：
[0037]获得所述目标航空液压泵站的实时时序数据；
[0038]对所述目标航空液压泵站的实时时序数据进行预处理；
[0039]将预处理后的所述目标航空液压泵站的实时时序数据输入所述数据预测模型，以获得所述目标航空液压泵站的预测值；
[0040]基于反归一化，获得所述目标航空液压泵站的实际值；
[0041]基于所述目标航空液压泵站的预测值和实际值，对所述目标航空液压站进行实时检测。
[0042]可选地，所述基于所述目标航空液压泵站的预测值和实际值，对所述目标航空液压站进行实时检测，包括：
[0043]获得所述目标航空液压泵站的工作状态；
[0044]获得每类所述历史时序数据的标准差；
[0045]基于所述目标航空液压泵站的工作状态和每类所述历史时序数据的标准差，获得判断阈值；
[0046]若所述预测值与所述实际值的差的绝对值大于所述判断阈值，则所述目标航空液压站存在异常情况。
[0047]可选地，所述将所述历史时序数据进行分段拟合，以获得分段点的步骤之前，还包括：
[0048]对所述目标航空液压泵站的历史时序数据进行清洗，以除去无关的所述历史时序数据；
[0049]对清洗后的所述目标航空液压泵站的历史时序数据进行归一化处理；
[0050]所述将所述历史时序数据进行分段拟合，以获得分段点，包括：
[0051]将归一化处理后的历史时序数据进行分段拟合，以获得分段点。
[0052]第二方面，本申请提供了一种航空液压泵站实时异常检测装置，该装置包括：
[0053]获取模块，用于获取目标航空液压泵站的历史时序数据；其中，所述历史时序数据用于表征所述目标航空液压泵站的性能；
[005本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种航空液压泵站实时异常检测方法，其特征在于，所述方法包括：获取目标航空液压泵站的历史时序数据；其中，所述历史时序数据用于表征所述目标航空液压泵站的性能；将所述历史时序数据进行分段拟合，以获得分段点；基于所述分段点，对分段拟合后的所述历史时序数据进行分类，以获得训练集；基于所述训练集，对构建的初始神经网络模型进行训练，以获得数据预测模型；基于所述数据预测模型，对所述目标航空液压泵站的实时时序数据进行检测。2.如权利要求1所述的航空液压泵站实时异常检测方法，其特征在于，所述将所述历史时序数据进行分段拟合，以获得分段点，包括：设置分段阈值；其中，所述分段阈值为某段所述历史时序数据预设的误差总和；构建分段拟合模型；基于所述分段阈值和所述分段拟合模型，对所述历史时序数据进行分段拟合，以获得分段点。3.如权利要求2所述的航空液压泵站实时异常检测方法，其特征在于，所述基于所述分段阈值和所述分段拟合模型，对所述历史时序数据进行分段拟合，以获得分段点，包括：当所述分段拟合模型中的分段误差总和大于所述分段阈值时，获得一个分段点。4.如权利要求3所述的航空液压泵站实时异常检测方法，其特征在于，所述构建分段拟合模型，包括：通过如下关系式，构建分段拟合模型：其中，x
i
表示第i时刻的历史时序数据观测值，F
j
(t
i
)表示拟合的线性函数，J表示分段拟合模型中的分段误差总和，jf表示分段j的结束时刻，js表示分段j的起点时刻。5.如权利要求1所述的航空液压泵站实时异常检测方法，其特征在于，所述基于所述分段点，对分段拟合后的所述历史时序数据进行分类，以获得训练集，包括：基于所述分段点的数量，将所述历史时序数据进行分段；基于所述历史时序数据的工况种类，将分段后的所述历史时序数据分为若干类；基于分为若干类后的所述历史时序数据，获得训练集。6.如权利要求1所述的航空液压泵站实时异常检测方法，其特征在于，所述基于所述训练集，对构建的初始神经网络模型进行训练，以获得数据预测模型，包括：获得每类所述历史时序数据的训练时间步长；其中，所述训练时间步长为每类所述历史时序数据在若干时间内的平均密度；基于BP算法、所述训练集和所述训练时间步长，对构建的初始神经网络模型进行训练，以获得数据预测模型。7.如权利要求6所述的航空液压泵站实时异常检测方法，其特征在于，所述基于BP算法、所述训练集和所述训练时间步长，对构建的初始神经网络模型进行训练，以获得数据预测模型，包括：
通过如下关系式，构建初始神经网络模型：z
t
＝σ(W
z
·
[h
t
‑1,x
t
])r
t
＝σ(W
r
·
[h
t
‑1,x
t
])])其中，x
t
表示t时刻的输入数据，h<...

【专利技术属性】
技术研发人员：石芹芹，况林，张昊龙，唐健钧，金筑云，周佳，贾定智，钟学敏，
申请(专利权)人：成都飞机工业集团有限责任公司，
类型：发明
国别省市：