一种航空发动机的故障识别方法及系统技术方案

本发明专利技术公开了一种航空发动机的故障识别方法及系统，属于航空工业领域，其中方法包括：对飞行工况进行划分，构建粒度工况集合；提取发动机信号特征数据，生成基础特征数据集合，构建平滑标识；获得识别精度因子，生成需求约束，将需求约束和子网络同步发送至加密单元进行网络优化，完成粒度识别子网络构建；提取发动机的振动特征、声音特征和温度特征信号，根据提取结果构建异常识别数据库；通过粒度识别子网络和异常识别数据库进行发动机故障识别，生成故障识别结果。本申请解决了现有技术中发动机工况变化多样导致发动机故障识别精度和效率不高的技术问题，达到了针对不同工况提高发动机故障识别准确度和效率的技术效果。发动机故障识别准确度和效率的技术效果。发动机故障识别准确度和效率的技术效果。

【技术实现步骤摘要】
一种航空发动机的故障识别方法及系统


[0001]本专利技术涉及航空工业领域，具体涉及一种航空发动机的故障识别方法及系统。

技术介绍

[0002]航空发动机在飞行过程中会出现各种故障，及时准确地识别发动机故障对确保飞行安全至关重要。现有的航空发动机故障识别方法大多基于飞行数据进行故障监测和诊断，而发动机在飞行过程中会遇到各种工况，如爬升、巡航、加速等，这些工况的变化会导致发动机的工作特征发生较大变化，现有的故障识别方法未能有效考虑各种工况变化，难以准确识别与工况变化相关的故障，致使故障识别的精度和效率较低。

技术实现思路

[0003]本申请通过提供了一种航空发动机的故障识别方法及系统，旨在解决现有技术中发动机工况变化多样导致发动机故障识别精度和效率不高的技术问题。
[0004]鉴于上述问题，本申请提供了一种航空发动机的故障识别方法及系统。
[0005]本申请公开的第一个方面，提供了一种航空发动机的故障识别方法，该方法包括：构建粒度工况集合，粒度工况集合为对飞行工况进行工况划分，根据飞行工况的持续时长和故障频率分布故障识别粒度，对飞行工况进行粒度划分构建而成；构建基础特征数据集合，基础特征数据集合为通过大数据提取发动机的信号特征数据获得，其中，基础特征数据集合为标准特征集合，且每一组信号特征数据均具有时间标签和故障标识；将粒度工况集合作为子网络构建约束，对基础特征数据集合进行N个粒度工况的子网络构建，根据粒度工况对应的信号特征数据的分布密度构建平滑标识；交互获得识别精度因子，基于识别精度因子和平滑标识生成需求约束，并将需求约束和N个粒度工况的子网络同步发送至加密单元进行网络优化，完成粒度识别子网络构建；构建异常识别数据库，异常识别数据库为依据粒度工况集合提取发动机的振动特征、声音特征和温度特征信号，并依据提取结果构建；通过异常识别数据库和粒度识别子网络进行发动机故障识别，生成故障识别结果。
[0006]本申请公开的另一个方面，提供了一种航空发动机的故障识别系统，该系统包括：工况集合构建模块，用于构建粒度工况集合，粒度工况集合为对飞行工况进行工况划分，根据飞行工况的持续时长和故障频率分布故障识别粒度，对飞行工况进行粒度划分构建而成；特征数据提取模块，用于构建基础特征数据集合，基础特征数据集合为通过大数据提取发动机的信号特征数据获得，其中，基础特征数据集合为标准特征集合，且每一组信号特征数据均具有时间标签和故障标识；工况网络构建模块，用于将粒度工况集合作为子网络构建约束，对基础特征数据集合进行N个粒度工况的子网络构建，根据粒度工况对应的信号特征数据的分布密度构建平滑标识；工况网络优化模块，用于交互获得识别精度因子，基于识别精度因子和平滑标识生成需求约束，并将需求约束和N个粒度工况的子网络同步发送至加密单元进行网络优化，完成粒度识别子网络构建；数据库构建模块，用于构建异常识别数据库，异常识别数据库为依据粒度工况集合提取发动机的振动特征、声音特征和温度特征
信号，并依据提取结果构建；发动机故障识别模块，用于通过异常识别数据库和粒度识别子网络进行发动机故障识别，生成故障识别结果。
[0007]本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：由于采用了根据飞行工况的时长和故障频率构建粒度工况集合，确定故障识别的粒度级别；通过大数据提取发动机的信号特征，构建基础特征数据集合，为子网络构建提供数据支撑；以粒度工况集合为约束，构建出对应不同工况的子网络，并构建平滑标识；交互获得识别精度因子，并基于此与平滑标识生成子网络的需求约束，将需求约束与子网络发送到加密单元，完成子网络的构建与优化；通过子网络进行发动机故障识别，生成故障识别结果的技术方案，解决了现有技术中发动机工况变化多样导致发动机故障识别精度和效率不高的技术问题，达到了针对不同工况提高发动机故障识别准确度和效率的技术效果。
[0008]上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
[0009]图1为本申请实施例提供了一种航空发动机的故障识别方法可能的流程示意图；图2为本申请实施例提供了一种航空发动机的故障识别方法中获取故障识别结果可能的流程示意图；图3为本申请实施例提供了一种航空发动机的故障识别系统可能的结构示意图。
[0010]附图标记说明：工况集合构建模块11，特征数据提取模块12，工况网络构建模块13，工况网络优化模块14，数据库构建模块15，发动机故障识别模块16。
具体实施方式
[0011]本申请提供的技术方案总体思路如下：本申请实施例提供了一种航空发动机的故障识别方法及系统，通过构建粒度工况集合和子网络构建的方式，充分利用飞行工况之间的特征信息来提高发动机故障识别的准确度和效率。
[0012]首先，通过对飞行工况进行粒度划分，构建粒度工况集合作为子网络构建的约束条件。然后，利用大数据提取发动机的信号特征数据，生成基础特征数据集合，并根据每个粒度工况对应的信号特征数据的分布密度构建平滑标识。通过交互获得识别精度因子，并基于此因子与平滑标识生成需求约束，将需求约束和粒度工况的子网络同步发送至加密单元进行网络优化，完成粒度识别子网络的构建。同时，构建异常识别数据库，提取发动机的振动特征、声音特征和温度特征信号，并根据提取结果构建异常识别数据库。最后，通过粒度识别子网络和异常识别数据库进行发动机故障识别，生成高准确度的故障识别结果。
[0013]在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
[0014]如图1所示，本申请实施例提供了一种航空发动机的故障识别方法，该方法包括：
构建粒度工况集合，所述粒度工况集合为对飞行工况进行工况划分，根据飞行工况的持续时长和故障频率分布故障识别粒度，对飞行工况进行粒度划分构建而成；在本申请实施例中，飞行工况是指发动机在飞行过程中所处的工作状态，如起飞、爬升、平飞、下降、着陆等。故障频率是指在不同飞行工况下，发动机出现各种故障的频率。故障识别粒度是指在发动机故障识别中，选择的识别精度，越细致的识别精度对应更小的故障识别粒度。粒度工况集合是指根据飞行工况的特征参数，以不同持续时间和故障频率分布，将飞行工况划分为不同粒度的工况集合。
[0015]首先，根据飞行工况将其划分为不同时间段的工况集合，如起飞、爬升、平飞、下降、着陆。然后，对每种工况根据持续时长和故障频率进行不同粒度的划分，例如，平飞工况中，按照全程平飞和全程中的故障频率划分一种工况粒度，按照中端平飞和中端中的故障频率划分一种工况粒度等。随后，对划分的每种功能工况进行不同粒度的划分，得到粒度工况集合。假设，将飞行工况划分为X种工况，每种工况具有Y中粒度，则粒度工况集合中具有X＊Y中工况。因此，得到的粒度工况集合中具有飞行过程中不同的飞行工况，不同的飞行工况又本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种航空发动机的故障识别方法，其特征在于，所述方法包括：构建粒度工况集合，所述粒度工况集合为对飞行工况进行工况划分，根据飞行工况的持续时长和故障频率分布故障识别粒度，对飞行工况进行粒度划分构建而成；构建基础特征数据集合，所述基础特征数据集合为通过大数据提取发动机的信号特征数据获得，其中，所述基础特征数据集合为标准特征集合，且每一组信号特征数据均具有时间标签和故障标识；将所述粒度工况集合作为子网络构建约束，对所述基础特征数据集合进行N个粒度工况的子网络构建，根据粒度工况对应的信号特征数据的分布密度构建平滑标识；交互获得识别精度因子，基于所述识别精度因子和所述平滑标识生成需求约束，并将所述需求约束和N个粒度工况的子网络同步发送至加密单元进行网络优化，完成粒度识别子网络构建；构建异常识别数据库，所述异常识别数据库为依据粒度工况集合提取发动机的振动特征、声音特征和温度特征信号，并依据提取结果构建；通过所述异常识别数据库和所述粒度识别子网络进行发动机故障识别，生成故障识别结果。2.如权利要求1所述的方法，其特征在于，所述方法还包括：对故障识别结果进行故障分类，并基于故障分类结果进行所述异常识别数据库和所述粒度识别子网络的识别结果关联，构建关联集合；对发动机进行实时数据采集，构建实时数据集合，其中，所述实时数据集合包括工况标识、基础特征数据和监督特征数据；将所述实时数据集合依据所述工况标识对应同步至所述异常识别数据库和所述粒度识别子网络，得到第一识别结果和第二识别结果；通过所述关联集合对所述第一识别结果和所述第二识别结果进行结果整合，根据整合结果生成故障识别结果。3.如权利要求2所述的方法，其特征在于，所述方法还包括：对所述异常识别数据库和所述粒度识别子网络进行结果测试，生成粒度工况的准确率标识；设定所述第一识别结果和所述第二识别结果的关联权重，所述关联权重通过配置初始关联因子，依据所述初始关联因子和所述准确率标识设定；判断所述第一识别结果和所述第二识别结果中是否存在所述关联集合对应的故障特征；若所述第一识别结果和所述第二识别结果仅一个识别结果存在关联集合内的故障识别特征时，则通过关联权重进行所述第一识别结果和所述第二识别结果的加权计算，将加权计算结果作为故障识别结果。4.如权利要求3所述的方法，其特征在于，所述方法还包括：若所述第一识别结果和所述第二识别结果存在相同故障识别特征时，则直接将识别的故障特征作为所述故障识别结果；若所述第一识别结果和所述第二识别结果均不存在相同故障识别特征时，则将...

【专利技术属性】
技术研发人员：赵振兴，潘信予，薛园园，张万东，向英子，吴凡，
申请(专利权)人：太仓点石航空动力有限公司，
类型：发明
国别省市：