【技术实现步骤摘要】
基于增强现实技术的航空发动机综合健康管理系统及方法
[0001]本专利技术涉及增强现实与航空发动机健康管理
,具体是基于增强现实技术的航空发动机综合健康管理系统及方法。
技术介绍
[0002]航空发动机处于高温、高压、高速运转环境中,其性能和健康状态会受到多种因素的影响,如磨损、腐蚀、振动等;而且航空发动机中也存在多种部件,包括发动机外壳前部、发动机外壳中部、发动机外壳后部、冷却系统、润滑系统、燃烧室以及排气系统等;目前维护人员对发动机进行健康管理的方式往往是周期性的维保,或对发动机表面进行检查修复,而对发动机内部部件难以获得直观的感受,一般对发动机内部部件的检查是通过对发动机进行拆卸进行的,从而极大的增加了工作量;申请公开号为CN115512253A的中国专利公开了一种基于增强现实的船舶设备维修方法,该方法采集待维修设备的初始图像,根据故障判别公式判断待维修设备是否具有故障,如果有故障,则生成维修信号;对待维修设备进行识别和分辨,得到该设备的标识信息和维修信息;根据标识信息和维修信息从数据库中获取待维修设备的三维虚拟模型、待维修项目及待维修项目的位置信息;将三维虚拟模型叠加显示于用户视野所及的空间区域,并根据待维修项目的位置信息在叠加显示的三维虚拟模型上标注待维修项目;但该方案并未能具体地分析各个零部件的故障概率并使用增强现实技术进行展示;为此,本专利技术提出基于增强现实技术的航空发动机综合健康管理系统及方法。
技术实现思路
[0003]本专利技术旨在至少解决上述
技术介绍
中所存在的技术问题之一 ...
【技术保护点】
【技术特征摘要】
1.基于增强现实技术的航空发动机综合健康管理方法,其特征在于,包括以下步骤:构造航空发动机的三维虚拟模型;收集文本可视化规则;收集航空发动机的健康状态特征向量集合、部件健康状态标签向量集合以及健康状态标签集合;以健康状态特征向量集合作为输入,部件健康状态标签向量集合、健康状态标签集合作为输出,训练出预测航空发动机的健康状态标签以及各个部件位置的部件健康状态标签的健康状态预测模型;基于接收的非测试航空发动机的实时的健康状态特征向量和健康状态预测模型,获得健康状态预测模型输出的非测试航空发动机的健康状态标签,以及各个部件位置的部件健康状态标签;捕获实时现实场景;基于文本可视化规则、三维虚拟模型以及实时现实场景,将各个部件位置的部件健康状态标签和健康状态标签在现实场景中进行可视化展示。2.根据权利要求1所述的基于增强现实技术的航空发动机综合健康管理方法,其特征在于,所述构造航空发动机的三维虚拟模型的方式为:使用三维建模工具进行三维虚拟模型构建。3.根据权利要求2所述的基于增强现实技术的航空发动机综合健康管理方法,其特征在于,所述收集文本可视化规则的方式为:增强现实设备接收外部输入的文本可视化规则或自适应地生成文本可视化规则。4.根据权利要求3所述的基于增强现实技术的航空发动机综合健康管理方法,其特征在于,所述收集航空发动机的健康状态特征向量集合、部件健康状态标签向量集合以及健康状态标签集合的方式为:由各个物理特征传感器实时收集的数据组成健康状态特征向量集合;由各个部件位置的部件健康状态标签组成部件健康状态标签向量集合;根据各个部件位置的部件健康状态标签获得航空发动机的健康状态标签。5.根据权利要求4所述的基于增强现实技术的航空发动机综合健康管理方法,其特征在于,训练出预测航空发动机的健康状态标签以及各个部件位置的部件健康状态标签的健康状态预测模型的方式为:构造贝叶斯网络的网络结构;将健康状态特征向量集合中每个测试航空发动机的健康状态特征向量作为贝叶斯网络模型的第一层的输入,所述贝叶斯网络模型以对第二层网络节点和第三层的网络节点的预测的概率值作为网络输出,以测试航空发动机的对应的部件健康状态标签向量作为第二层网络节点的预测输出,以测试航空发动机的对应的健康状态标签作为第三层网络节点的预测输出;以最小化对所有网络输出和预测输出的预测误差均值之和作为预测目标;对贝叶斯网络模型进行训练,直至预测误差均值之和达到收敛时停止训练。6.根据权利要求5所述的基于增强现实技术的航空发动机综合健康管理方法,其特征在于,所述构造贝叶斯网络的网络结构的方式为:构造层数为三层的贝叶斯网络模型;将第一层中的网络节点数量设置为健康状态特征向量中的元素数量;将第二层中的网络节点数量设置为部件健康状态标签向量中的元素数量;
将第三层中的网络节点数量设置为1;其中,第一层中的每个网络节点具有一条有向边指向第二层中的每个网络节点,第二层中的每个网络节点具有一条有向边指向第三层中的网络节点。7.根据权利要求6所述的基于增强现实技术的航空发动机综合健康管理方法,其特征在于,预测误差均值的计算公式为:,其中,c为健康状态特征向量的编号,zc为预测误差均值,i为部件位置的编号,I为部件位置的数量;aci为第c组健康状态特征向量对应的第二层网络节点中第i个网络输出,wci为第c组健康状态特征向量对应的第二层网络节点中第i个预测输出;...
【专利技术属性】
技术研发人员:姚谷莉,刘锦,刘珂,陈磊,王建,
申请(专利权)人:陕西万禾数字科技有限公司,
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。