本发明专利技术公开了一种基于多源数据的热障涂层服役寿命预测方法及系统，方法包括以下步骤：基于无损检测技术对热障涂层进行检测，获得表征热障涂层微裂纹生长和TGO变化状态的全生命周期多源数据；采用数据清洗、缺失值处理以及异常检测的方法，对多源数据进行预处理；采用机器学习结合信号处理的方法，对预处理后的多源数据进行特征提取，获得多源数据向量；将多源数据向量进行拼接，获得特征向量组，并进行归一化处理；基于机器学习算法以及归一化后的特征向量组，构建热障涂层服役寿命预测模型，热障涂层服役寿命预测模型用于热障涂层服役寿命的预测。本发明专利技术可灵活、精准处理信号数据以及对热障涂层服役寿命的精准预测。据以及对热障涂层服役寿命的精准预测。据以及对热障涂层服役寿命的精准预测。
【技术实现步骤摘要】
一种基于多源数据的热障涂层服役寿命预测方法及系统
[0001]本专利技术属于无损检测与评价
，具体涉及一种基于多源数据的热障涂层服役寿命预测方法及系统。
技术介绍
[0002]航空发动机的发展是衡量国家科技水平的重要标志，其热端部件服役寿命是影响航空发动机性能的重要因素。随着推送比和进口温度的提高，发动机叶片的耐高温要求更高，亟需热障涂层这一防护材料降低叶片工作温度，延长热端部件服役寿命。然而，发动机叶片承受高温导致涂层开裂、微孔隙结构改变、CMAS(主要成分为CaO、MgO、Al2O3和SiO2，简称CMAS)腐蚀和硬质颗粒冲蚀等，皆是影响涂层服役寿命的关键因素。长时间处于严苛环境下的热障涂层从服役开始到失效破坏过程中，影响因素多且交互作用复杂，如：厚度、孔隙率、TGO层厚度、裂纹数量、密度和位置等等。目前，尚无任何一种单一的无损检测技术可以针对处在不同服役阶段的热障涂层金相有效的寿命无损评价。因此，针对热障涂层服役寿命预测成为航空发动机叶片服役安全性保障方面亟待解决的关键问题之一。基于此，需要一种非接触、安全可靠、检测精度高和响应速度快的热障涂层无损检测方法，通过综合多种无损检测技术的优势，形成多源数据的模式，对不同工作阶段的热障涂层进行有效检测，实现热障涂层服役寿命的精准预测。
[0003]目前国内外通过对热障涂层内部微结构评价以状态评估其服役寿命的方法有：涡流检测法、超声检测法、阻抗检测法和金相法等。但随着热障涂层服役环境愈加严苛，单一检测方法尚存在不足，对服役寿命的预测存在较大困难。因此结合多源数据可以更准确地反映热障涂层寿命状态，同时，多源数据融合可降低单一数据的局限性，从而对热障涂层综合性能进行多角度、多方面和多维度的定性和定量分析，才可达到对服役寿命精准预测目的。
技术实现思路
[0004]本专利技术旨在解决现有技术的不足，提出一种基于多源数据的热障涂层服役寿命预测方法及系统，在传统单一检测方法上进行创新设计，利用多种检测技术：太赫兹技术、声发射技术和热红外技术，获取多源数据。通过多源数据的融合，可充分利用不同源数据间的相关性和互补性。且将机器学习应用到热障涂层检测，是一个行之有效的方法，可灵活、精准处理信号数据以及对热障涂层服役寿命的精准预测。以完善并解决现有技术存在的问题。
[0005]为实现上述目的，本专利技术提供了如下方案：
[0006]一种基于多源数据的热障涂层服役寿命预测方法，包括以下步骤：
[0007]S1、基于无损检测技术对热障涂层进行检测，获得表征热障涂层微裂纹生长和TGO变化状态的全生命周期多源数据；
[0008]S2、采用数据清洗、缺失值处理以及异常检测的方法，对所述多源数据进行预处
理；
[0009]S3、采用机器学习结合信号处理的方法，对预处理后的所述多源数据进行特征提取，获得多源数据向量；
[0010]S4、将所述多源数据向量进行拼接，获得特征向量组，并进行归一化处理；
[0011]S5、基于机器学习算法以及归一化后的所述特征向量组，构建热障涂层服役寿命预测模型，所述热障涂层服役寿命预测模型用于热障涂层服役寿命的预测。
[0012]优选的，所述多源数据，包括第一源数据、第二源数据以及第三源数据；
[0013]所述第一源数据为太赫兹时域光谱；
[0014]所述第二源数据为声发射时间数；
[0015]所述第三源数据为热红外辐射能量。
[0016]优选的，所述S3中，对所述多源数据中的高维数据降维，并进行主成分分析后，进行特征提取，包括：
[0017]采用正交匹配追踪算法，对经主成分分析的所述第一源数据进行稀疏表示，剔除无效以及冗余特征，提取稀疏系数向量；
[0018]采用K均值聚类算法，对经主成分分析的所述第二源数据，进行异常事件以及干扰信号的识别以及过滤，提取聚类中心向量；
[0019]采用自回归模型，对经主成分分析的所述第三源数据，进行平滑处理以及预测分析，提取自回归系数向量；
[0020]所述稀疏系数向量、所述聚类中心向量和所述自回归系数向量组成所述多源数据向量。
[0021]优选的，所述正交匹配追踪算法的应用过程为：
[0022]S11、基于所述正交匹配追踪算法，获得所述第一源数据的基向量，计算所述第一源数据和基向量的内积；
[0023]S21、基于所述内积，计算所述第一源数据在基向量集合中的投影；
[0024]S31、基于所述第一源数据以及所述投影，计算残差；
[0025]S41、计算所述残差在所述基向量集合中的投影，获得投影最大的基向量；
[0026]S51、将所述投影最大的基向量与基向量索引集合取并集，更新所述基向量索引集合；
[0027]S61、如果所述基向量索引集合的大小达到预设值，或者所述残差的范数达到预设范围，则终止算法；否则，返回步骤S21继续迭代。
[0028]优选的，所述K均值聚类算法的应用过程为：
[0029]将所述第二源数据转化为特征矩阵；
[0030]基于所述特征矩阵中的特征向量，计算数据点之间的距离矩阵；
[0031]将所述距离矩阵输入所述K均值聚类算法，执行聚类。
[0032]优选的，所述自回归模型的应用过程为：
[0033]去除所述第三源数据的噪声以及异常值；
[0034]对去除噪声以及异常值的所述第三源数据的非平稳时间序列，采用差分以及对数变换，进行时间序列平稳化，获得平稳时间序列；
[0035]采用自相关函数，实现对所述平稳时间序列中数据的自相关性分析；
[0036]基于经自相关性分析的所述平稳时间序列，构建所述自回归模型；
[0037]对所述自回归模型，进行残差分析，判断是否满足预设条件；
[0038]基于满足所述预设条件的所述自回归模型，实现对所述第三源数据的预测分析。
[0039]优选的，构建热障涂层服役寿命预测模型的方法为：
[0040]将归一化后的所述特征向量组作为输入，热障涂层服役寿命阶段作为输出；
[0041]将所述输入以及所述输出组合为数据集，代入深度极限学习机进行训练，构建所述热障涂层服役寿命预测模型。
[0042]优选的，采用蜣螂优化算法对所述深度极限学习机的权值和阈值进行优化，优化过程为：
[0043]S12、初始化蜣螂种群；
[0044]S22、计算每个所述蜣螂对应的神经网络在所述数据集中的训练集上的误差，将所述误差作为所述蜣螂的适应度函数值；
[0045]S32、基于蜣螂的所述适应度函数值以及邻域信息，更新蜣螂位置；
[0046]S42、基于更新位置的蜣螂的所述适应度函数值，获得当前所述蜣螂种群的最优解；
[0047]S52、预设算法停止条件，当满足所述停止条件时，算法终止，获得当前所述蜣螂种群的最优解，否则返回步骤S32。
[0048]本专利技术还提供一种基于多源数据的热本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于多源数据的热障涂层服役寿命预测方法，其特征在于，包括以下步骤：S1、基于无损检测技术对热障涂层进行检测，获得表征热障涂层微裂纹生长和TGO变化状态的全生命周期多源数据；S2、采用数据清洗、缺失值处理以及异常检测的方法，对所述多源数据进行预处理；S3、采用机器学习结合信号处理的方法，对预处理后的所述多源数据进行特征提取，获得多源数据向量；S4、将所述多源数据向量进行拼接，获得特征向量组，并进行归一化处理；S5、基于机器学习算法以及归一化后的所述特征向量组，构建热障涂层服役寿命预测模型，所述热障涂层服役寿命预测模型用于热障涂层服役寿命的预测。2.根据权利要求1所述的基于多源数据的热障涂层服役寿命预测方法，其特征在于，所述多源数据，包括第一源数据、第二源数据以及第三源数据；所述第一源数据为太赫兹时域光谱；所述第二源数据为声发射时间数；所述第三源数据为热红外辐射能量。3.根据权利要求2所述的基于多源数据的热障涂层服役寿命预测方法，其特征在于，所述S3中，对所述多源数据中的高维数据降维，并进行主成分分析后，进行特征提取，包括：采用正交匹配追踪算法，对经主成分分析的所述第一源数据进行稀疏表示，剔除无效以及冗余特征，提取稀疏系数向量；采用K均值聚类算法，对经主成分分析的所述第二源数据，进行异常事件以及干扰信号的识别以及过滤，提取聚类中心向量；采用自回归模型，对经主成分分析的所述第三源数据，进行平滑处理以及预测分析，提取自回归系数向量；所述稀疏系数向量、所述聚类中心向量和所述自回归系数向量组成所述多源数据向量。4.根据权利要求3所述的基于多源数据的热障涂层服役寿命预测方法，其特征在于，所述正交匹配追踪算法的应用过程为：S11、基于所述正交匹配追踪算法，获得所述第一源数据的基向量，计算所述第一源数据和基向量的内积；S21、基于所述内积，计算所述第一源数据在基向量集合中的投影；S31、基于所述第一源数据以及所述投影，计算残差；S41、计算所述残差在所述基向量集合中的投影，获得投影最大的基向量；S51、将所述投影最大的基向量与基向量索引集合取并集，更新所述基向量索引集合；S61、如果所述基向量索引集合的大小达到预设值，或者所述残差的范数达到预设范围，则终止算法；否则，返回步骤S21继续迭代。5.根据权利要求3所述的基于多源数据的热障涂层服役寿命预测方法，其特征在于，所述K均值聚类算法的应用过程为：将所述第二源数据转化为特征矩阵；基于所述特征矩阵中的特征向量，...
【专利技术属性】
技术研发人员：叶东东，李瑞，王卫泽，潘家保，徐洲，印长东，武轶文，王培勇，黄新春，吴飞翔，许书恒，胡立鹏，易健武，胡俊林，陈家瑜，徐东国，
申请(专利权)人：安徽工程大学，
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。