【技术实现步骤摘要】
基于多任务学习的发动机健康状态评估方法
[0001]本申请涉及航空发动机
,尤其涉及基于多任务学习的发动机健康状态评估方法
。
技术介绍
[0002]航空发动机作为飞机的“心脏”,其可靠性和安全性至关重要
。
然而航空发动机是一种非常复杂的气动热旋转机械,零部件众多,许多零部件工作在高温高压
、
高速
、
强振动和复杂的环境条件下,经常处于高负荷和热冲击下,工作环境异常恶劣,因此容易发生故障,并具有故障模式多,以及多模式复合失效的其他重要特征
。
此外,随着近年来对发动机性能要求的提高,航空发动机推重比增大,压气机增压比和涡轮前温度进一步提高,加剧了一些重要零部件工作环境的恶劣程度和对其性能的苛刻要求
。
这些都使得发动机的可靠性和安全性问题越来越突出
。
健康状态划分与寿命预测是健康状态评估的两项核心技术,是连接机载状态监视
、
故障诊断与地面运行规划
、
维修保障的重要纽带
。
[0003]相关技术中,对于发动机的健康状态评估主要根据设备工作环境和载荷
、
状态监视传感器信息等,结合物理失效模型
、
历史性能退化数据
、
故障诊断信息,评估部件的健康状态或者系统的剩余使用寿命,从单维度为维修保障和运行规划提供决策支持
。
[0004]然而,传统的健康状态评估都是对于单任务的研究,没有考虑来自其他 ...
【技术保护点】
【技术特征摘要】
1.
一种基于多任务学习的发动机健康状态评估方法,其特征在于,所述方法应用于计算机设备中,所述方法包括:获取与目标发动机对应的发动机工况数据集,所述发动机工况数据为在目标发动机工作过程中,与所述目标发动机连接的至少一个传感器采集得到的数据,所述发动机工况数据集中包括至少两项发动机工况数据;对所述发动机工况数据集中的发动机工况数据进行筛选,得到发动机参考工况数据集;基于所述发动机参考工况数据集确定与所述目标发动机对应的发动机融合特征;将所述发动机融合特征输入所述发动机健康状态评估模型,输出得到与所述目标发动机对应的状态评估结果,所述状态评估结果包括发动机健康状态子结果
、
寿命预测子结果以及可靠性评估子结果
。2.
根据权利要求1所述的方法,其特征在于,所述发动机工况数据是以目标发动机的工作时刻为基准采集得到的
。3.
根据权利要求2所述的方法,其特征在于,对所述发动机工况数据集中的发动机工况数据进行筛选,得到发动机参考工况数据集,包括:判断所述发动机工况数据的单调性;将存在单调性的所述发动机工况数据进行组合,生成所述发动机参考工况数据集
。4.
根据权利要求1所述的方法,其特征在于,所述发动机融合特征为高维特征;所述基于所述发动机参考工况数据集确定与所述目标发动机对应的发动机融合特征,包括:基于所述发动机参考工况数据集确定与所述发动机融合特征对应的维度数量;根据所述维度数量,对应所述发动机参考工况数据集确定所述发动机融合特征
。5.
根据权利要求3所述的方法,其特征在于,所述发动机工况数据包括风扇入口总温度数据
、
低压压气机出口总温度数据
、
高压压气机出口总温度数据
、
低压涡轮出口总温度数据
、
风扇入口压力数据
、
外涵总压数据
、
高压压气机出口总压数据
、
风扇物理转速数据
、
核心机物理转速数据
、
发动机压比数据
、
高压压气机出口静压数据
、
燃油流量与
P30
比值数据
、
风扇换算转速数据
、
核心机换算转速数据
、
涵道比数据
...
【专利技术属性】
技术研发人员:袁烨,金骏阳,覃斌,何心,张永,王茂霖,
申请(专利权)人:华中科技大学无锡研究院,
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。