[发明专利]基于深度学习与高斯分布的航空发动机气路异常检测方法

说明书

基于深度学习与高斯分布的航空发动机气路异常检测方法，本发明涉及航空发动机气路异常检测方法。本发明的目的是为了解决现有的发动机气路异常检测方法中QAR数据没有得到广泛应用、发动机异常检测的虚警率高以及准确度低的问题。一、在QAR数据中选择参数集，参数集包括发动机气路性能参数和外界环境参数；二、在参数集中计算同一架飞机上两台发动机性能参数的差异值，将差异值与外界环境参数构成新的参数集；三、选用深度学习方法中的堆积去噪自动编码器模型对二中的新参数集提取数据特征；四、采用基于高斯分布的密度估计算法对步骤三得到的数据特征进行异常检测，得到结果。本发明用于航空发动机故障诊断技术领域。

技术领域

本发明涉及航空发动机气路异常检测方法，属于航空发动机故障诊断技术领域。

背景技术

作为飞机的心脏，健康的航空发动机对于保证飞行的安全性、可靠性以及经济性来说无疑是至关重要的。如果发动机出现的异常不能及时地被发现并采取相应的措施，它们有可能会演变成故障，严重时甚至会导致飞行事故。为提高飞机飞行的安全性、可靠性以及经济性，除了对发动机本体进行定期检查以外，对发动机运行数据进行异常检测也是十分有必要的。具体来说，对发动机运行数据进行准确而及时的异常检测可以使管理者提前分配额外的监控资源，有效地安排预防性维护计划，最大化发动机在翼时间，提高发动机的可靠性，减少计划外维修活动所消耗的成本([4]Zhong S S,Luo H,Lin L,and Fu X Y.Animproved correlation-based anomaly detection approach for conditionmonitoring data of industrial equipment[C],Ottawa:IEEE InternationalConference on Prognostics and Health Management,2016,pp.1-5.)。快速存储记录仪(QAR)数据中包含了发动机大量的有用信息，但是目前很少被用于航空发动机气路异常检测的工程实践中。因此，有必要对基于 QAR数据的航空发动机气路异常检测方法进行研究。

随着航空发动机健康管理技术的不断发展，国内外多家企业以及科研机构纷纷开始对 QAR数据进行研究。西方发达国家的多家航空公司逐步认识到QAR数据在发动机异常检测中的重要作用，将QAR数据异常检测结果作为发动机维修决策的重要依据。总部位于加拿大的CAE Flightscape公司开发了Insight软件包，Insight是一个基于windows系统模块化功能齐全架构开放的飞行数据分析工具，其典型应用包括飞行数据分析、工程化、飞机性能、飞行测试、事故调查以及飞行品质监控，上述多项应用中都利用了QAR数据 ([5]http://www.flightscape.com/products/.)。美国国家航空航天局(NASA)开发了 APMS(Aviation Performance Monitoring System)软件，该软件能够高度自动地处理海量飞行数据(包括QAR数据)，以定时或者日常的方式来解决与操作性能和安全有关的问题 ([6]https://www.nasa.gov/centers/ames/research/technology-onepagers/aviation-performance.h tml)。通用电气(GE)公司正在与全世界多家航空公司合作，收集航空公司的QAR数据。 GE以QAR数据作为数据源，然后应用包括机器学习算法、物理建模在内的多种手段对航空发动机进行异常检测、故障诊断、燃油消耗等分析，为航空公司的管理决策提供有力依据。除了工业界的研究以外，航空发动机故障诊断领域的多位学者也对发动机异常检测问题进行了研究。以发动机真实或者仿真数据为基础，多位学者提出了包括神经网络(NN)、支持向量机(SVM)在内的各种智能算法模型来对发动机进行异常检测。([7]Qiu H,Eklund N,Hu X,Yan W Z,and Iyer N.Anomaly Detection using Data Clustering andNeural Networks [C],International Joint Conference on Neural Networks,2008,pp.3627-3633.