【技术实现步骤摘要】
一种航空装备关键状态参数的智能预测方法
[0001]本专利技术涉及航空飞行数据分析
,特别涉及一种航空装备状态参数的智能预测方法。
技术介绍
[0002]航空装备如航空发动机、飞控系统都是飞机的重要子系统,它们的工作状态对飞机的飞行安全有着重要影响。标志这些子系统的关键状态参数会受到多个参数的影响。例如,航空发动机的排气温度(Exhaust Gas Temperature,EGT)是监控航空发动机健康状态的重要参数,其变化情况可以较好反映出发动机的工作状况和性能衰退情况。通过EGT预测,可以提前感知发动机健康状况,为发动机的预防性维修工作提供数据支持。而EGT随时间的变化过程是一个复杂的非线性变化过程,难以用精确的物理模型描述,同时引起EGT变化的因素有很多,是发动机各部件共同作用的结果。因此,如何准确预测EGT成为航空发动机健康管理领域研究的热点之一。
技术实现思路
[0003]本专利技术的目的在于克服上述现有技术存在的不足之处,提供一种航空装备关键性能参数的智能预测方法,利用航空飞行器历史飞行数据,训练算法建立关键状态参数与多元参数的非线性映射模型,利用构建好的模型预测关键状态参数。
[0004]本专利技术的一种航空装备状态参数的智能预测方法,其特殊之处在于包括以下步骤:
[0005]1、数据预处理阶段
[0006]完成数据异常值修正、数据空缺值填补、数据归一化处理和设置滑动窗口;
[0007]所述异常值修正的具体步骤为:统计数据分布情况,找出其中的异常值,由 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种航空装备关键状态参数的智能预测方法,其特征在于包括以下步骤:1)数据预处理阶段完成数据异常值修正、数据空缺值填补、数据归一化处理、划分数据集和设置滑动窗口;2)模型训练阶段训练由卷积特征提取网络CNN、双向长短时记忆网络Bi
‑
LSTM和注意力机制Attention的权重分配网络组成的模型,其中,CNN从大量飞参数据中提取特征,Bi
‑
LSTM从特征中提取时间相关性规律实现数据记忆预测,注意力机制Attention
‑
Permute层调整数据维度,为下一层的计算提供合适的数据结构,Attention
‑
Merge层计算Attention值,修正网络权重和偏置,从而准确构建预测参数与输入多元参数的非线性映射关系模型,其中,为了防止网络过拟合,Dropout层丢弃部分权重和偏置量,使之不参与网络迭代计算和更新,Dense层将前面网络层提取的特征进行非线性变化,建立特征间的关联,Flatten层将多维数据一维化,为下一层的计算提供合适的数据结构;3)预测可视化阶段利用训练好的网络模型,预测关键状态参数,然后对关键状态参数反归一化处理,得到预测值,并绘制其可视化曲线。2.按照权利要求1所述的一种航空装备状态参数的智能预测方法,其特征在于1)数据预处理阶段中:所述异常值修正的具体步骤为:统计数据分布情况,找出其中的异常值,由于时间序列数据存在时间的累积关系,所以将异常值修正为其临近数据的中位数;所述空缺值填补的具体步骤为:对于空缺值,采用与其相邻数值的中位数进行填补;所述数据归一化处理的具体步骤为:从Z
‑
score、Min
‑
max和MaxAbs常见三种数据归一化方法选择一种进行归一化;所述设置滑动窗口的具体步骤为:设置滑动窗口是将样本数据按照窗口宽度为w步长为s划分为多个时间序列数据窗。3.按照权利要求1所述的一种航空装备状态参数的智能预测方法,其特征在于步骤2)模型训练阶段中:所述CNN是一种由卷积层、池化层和全连接层组成的深层前馈神经网络,用卷积代替全连接提取数据的局部特征,卷积深度为D,卷积核大小为F的卷积公式(1)为:其中,a
i,j
为卷积后特征矩阵的第i行第j列元素,w
d,m,n
为卷积核第d层第m行第n列的权重,x
d,i+m,j+n
技术研发人员:王凤芹,杨玫,韩秋枫,张燕红,杜晶,赵海冰,吕洁,
申请(专利权)人:中国人民解放军海军航空大学,
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。