System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本公开涉及航空发动机异常预测方法和系统。
技术介绍
1、目前,在飞行器的试飞和/或飞行的实时监控过程中,航空发动机作为飞行器的核心部件,属于重点监控对象。然而,针对传统上以阈值为主的飞行器试飞和/或飞行数据的实时监控存在各种缺陷,诸如故障发现滞后、难以发现复杂多维异常,等等。
2、本公开针对但不限于上述诸多因素进行了改进。
技术实现思路
1、为此,本公开提出了一种航空发动机异常预测方法和系统。本公开的方法和系统基于实时飞行的飞行数据来进行关键参数的趋势预测,并基于预测结果来自动检测航空发动机异常状态,从而提供航空发动机未来一定时间的状态预测感知。
2、本公开的方法和系统涉及一种航空发动机状态预测感知方法,是一项全方面的智能化状态监控感知技术,实现了对航空发动机复杂多维的数据动态过程分析。本公开的方法和系统对实时飞行数据进行趋势预测和异常检测,以便提前预测感知未来一定时间的航空发动机状态,提高飞行的安全性。
3、根据本公开的第一方面,提供了一种航空发动机异常预测方法,包括:获取所预测的多维飞行数据;将所预测的多维飞行数据输入到异常检测模型来检测是否将发生异常;以及在所述异常检测模型基于所预测的多维飞行数据指示将发生异常的情况下,输出故障指示。
4、根据一实施例,所预测的多维飞行数据包括排气温度、低压转速、高压转速、滑油压力、高压压气机出口压力、高压压气机后静压、高压压气机进口温度、高压压气机出口温度。
5、根据另一实施例,所
6、根据又一实施例,每一维飞行数据的所述单维预测模型的输入是相关参数的经标准化的数据,所述相关参数是通过与该维飞行数据进行相关性分析来得到的。
7、根据又一实施例,所述相关性分析包括皮尔逊相关性分析方法、斯皮尔曼相关性分析方法、肯德尔相关性分析方法中的任一者。
8、根据又一实施例,所述方法还包括在将所预测的多维飞行数据输入到所述异常检测模型之前进行数据预处理,以使多维飞行数据标准化。
9、根据又一实施例,所述数据预处理使用z-score标准化方法。
10、根据又一实施例,所述异常检测模型是ocsvm模型。
11、根据又一实施例,所述ocsvm模型是如下构建的:使用多维飞行数据作为训练样本集来找出多维飞行数据的特征空间到更高维特征空间的映射;以及在所述更高维特征空间中求解最优超平面,使得多维飞行数据与所述更高维特征空间的坐标原点的分离最大化。
12、根据又一实施例,所述求解是使用下式进行的:
13、
14、其中wt·φ(yn)≥b-ξn,ξn≥0,n=1,2,…,n,
15、其中w是最优超平面,c是惩罚因子,ξn是松弛变量,b是最优超平面到所述更高维特征空间的坐标原点的距离,wt是最优超平面的转置,φ(yn)是多维飞行数据的特征空间到所述更高维特征空间的映射,n是多维飞行数据集中的多维飞行数据的数目。
16、根据又一实施例,在所述异常检测模型基于所预测的多维飞行数据指示将发生异常的情况下输出故障指示包括:对于所预测的多维飞行数据,计算该多维飞行数据在所述更高维特征空间中的映射与所述最优超平面在所述更高维特征空间的点积;将所述最优超平面到所述更高维特征空间的坐标原点的距离减去所述松弛变量来计算得到差值;将所述点积与所述差值进行比较;以及若所述点积大于等于所述差值,则表明该多维飞行数据是正常样本,处于正常的状态范围;反之,若所述点积小于所述差值,则表明该多维飞行数据是异常样本,并相应地输出故障指示。
17、根据又一实施例,所预测的多维飞行数据是当前时刻之后的预定时长的多维飞行数据,并且其中所述预定时长是将飞行员的反应时间纳入考虑的任何合适时长。
18、根据又一实施例,所述故障指示表明所述航空发动机在所述预定时长之后将发生故障。
19、根据本公开的第二方面,提供了一种航空发动机异常预测系统,包括:数据预测模块,所述数据预测模块被配置成预测多个维度的飞行数据;异常检测模块,所述异常检测模块被配置成使用来自所述数据预测模块的所预测的多维飞行数据来检测是否将发生异常;以及故障指示模块,所述故障指示模块被配置成基于来自所述异常检测模块的通知来相应地输出故障指示。
20、根据本公开的第三方面,提供了一种飞行器,包括根据本公开的第二方面所述的系统。
21、各方面一般包括如基本上在本文参照附图所描述并且如通过附图所解说的方法、装备、系统、计算机程序产品和处理系统。
22、前述内容已较宽泛地勾勒出根据本公开的示例的特征和技术优势以使下面的详细描述可以被更好地理解。附加的特征和优势将在此后描述。所公开的概念和具体示例可容易地被用作修改或设计用于实施与本公开相同的目的的其他结构的基础。此类等效构造并不背离所附权利要求书的范围。本文所公开的概念的特性在其组织和操作方法两方面以及相关联的优势将因结合附图来考虑以下描述而被更好地理解。每一附图是出于解说和描述目的来提供的,且并不定义对权利要求的限定。
本文档来自技高网...【技术保护点】
1.一种航空发动机异常预测方法,包括:
2.根据权利要求1所述的方法,其特征在于,所预测的多维飞行数据包括排气温度、低压转速、高压转速、滑油压力、高压压气机出口压力、高压压气机后静压、高压压气机进口温度、高压压气机出口温度。
3.根据权利要求1所述的方法,其特征在于,所预测的多维飞行数据中的每一维飞行数据是通过相应的单维预测模型来预测的,所述单维预测模型是LSTM预测模型。
4.根据权利要求3所述的方法,其特征在于,每一维飞行数据的所述单维预测模型的输入是相关参数的经标准化的数据,所述相关参数是通过与该维飞行数据进行相关性分析来得到的。
5.根据权利要求4所述的方法,其特征在于,所述相关性分析包括皮尔逊相关性分析方法、斯皮尔曼相关性分析方法、肯德尔相关性分析方法中的任一者。
6.根据权利要求1所述的方法,其特征在于,还包括在将所预测的多维飞行数据输入到所述异常检测模型之前进行数据预处理,以使多维飞行数据标准化。
7.根据权利要求6所述的方法,其特征在于,所述数据预处理使用Z-score标准化方法。
9.根据权利要求8所述的方法,其特征在于,所述OCSVM模型是如下构建的:
10.根据权利要求9所述的方法,其特征在于,所述求解是使用下式进行的:
11.根据权利要求10所述的方法,其特征在于,在所述异常检测模型基于所预测的多维飞行数据指示将发生异常的情况下输出故障指示包括:
12.根据权利要求1所述的方法,其特征在于,所预测的多维飞行数据是当前时刻之后的预定时长的多维飞行数据,并且其中所述预定时长是将飞行员的反应时间纳入考虑的任何合适时长。
13.根据权利要求12所述的方法,其特征在于,所述故障指示表明所述航空发动机在所述预定时长之后将发生故障。
14.一种航空发动机异常预测系统,包括:
15.一种飞行器,包括根据权利要求14所述的系统。
...【技术特征摘要】
1.一种航空发动机异常预测方法,包括:
2.根据权利要求1所述的方法,其特征在于,所预测的多维飞行数据包括排气温度、低压转速、高压转速、滑油压力、高压压气机出口压力、高压压气机后静压、高压压气机进口温度、高压压气机出口温度。
3.根据权利要求1所述的方法,其特征在于,所预测的多维飞行数据中的每一维飞行数据是通过相应的单维预测模型来预测的,所述单维预测模型是lstm预测模型。
4.根据权利要求3所述的方法,其特征在于,每一维飞行数据的所述单维预测模型的输入是相关参数的经标准化的数据,所述相关参数是通过与该维飞行数据进行相关性分析来得到的。
5.根据权利要求4所述的方法,其特征在于,所述相关性分析包括皮尔逊相关性分析方法、斯皮尔曼相关性分析方法、肯德尔相关性分析方法中的任一者。
6.根据权利要求1所述的方法,其特征在于,还包括在将所预测的多维飞行数据输入到所述异常检测模型之前进行数据预处理,以使多维飞行数据标准化。
7.根据...
【专利技术属性】
技术研发人员:高祥,冯灿,郭天,查晓文,刘涛,刘雨溪,李成浩,陈家益,
申请(专利权)人:中国商用飞机有限责任公司,
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。