[发明专利]一种飞机燃油泵信号退化特征提取方法及装置

说明书

本发明涉及信号提取技术领域，尤其涉及一种飞机燃油泵信号退化特征提取方法，主要包括数学形态学处理、信号复杂度度量、权重因子计算、形态谱衰减因子构建、基于SVDD的隶属度函数确定、模糊信息粒化、形态谱衰减模糊信息粒子核生成、健康基准曲线拟合等几个步骤对数据进行分析。本发明还包括一种飞机燃油泵信号退化特征提取装置，包括信号采集及预处理模块、数据计算及分析模块、结果输出模块，本装置按照上述飞机燃油泵信号退化特征提取方法对特征量进行提取以及计算分析。本发明的信号退化特征提取方法与装置对信号的特征描述过程算法更加简单，所得的飞机燃油泵性能分析结果也更加准确。

技术领域

本发明涉及信息提取技术领域，尤其涉及一种飞机燃油泵信号退化特征提取方法及装置。

背景技术

燃油系统是飞机系统的重要组成部分，是改善飞机性能和保证飞行安全的重要设备。随着新型飞机的复杂性日趋加强，燃油系统的故障诊断、预测以及维修保障等问题越来越受到重视。传统飞机系统使用机内自测试(BIT)的方法实现故障检测，或者使用基于计划的维修方法，定期对系统部件进行修理或更换。这些方法虽然有效，但是无法全面预防飞行中重大事故的发生；定期修理或更换系统部件会带来不必要的元件更换和人力资源消耗，增加系统的维护费用。

由于系统退化过程的长期性，特征量表现为变化缓慢的微小畸变信号，从大量的监测信号中获取有效表征系统性能状态的特征量，是实现高可靠性、长寿命设备健康管理技术面临的基本问题。目前获取信号特征量的常用方法有：统计分析的方法，如使用监测信号的均方根、峰值因数、峭度、形状因子、脉冲因子等。频域分析的方法，如倒谱分析和反卷积滤波等；时域、频域混合分析的方法，如小波分析等。与频谱能直观反映信号中存在的频率成分一样，形态谱也能反映退化信号中不同尺度的形态特征，能够避免复杂的坐标转换，以达到抑制噪声、提取信号特征和保持信号细节的目的。国内外公开的文献中，数学形态学分析在故障特征提取、模式识别等方面已得到了应用。T.Venkateswara Reddy JeevammaJacob.Mathematical Morphology for Discrimination Between Internal Faults andInrush Currents in Power Transformers[J].Electrical Systems.2008(4/1)研究了数学形态学在识别电源变压器内部故障方面的应用，验证了该方法与小波分析法具有同样的信号表征效果但具有较小的算法复杂度；Juan Manuel Ramirez-Cortes.A FeatureExtraction Method Based on the Pattern Spectrum for Hand Shape Biometry[C].Proceeding of the World Congress on Engineering and Computer Science.2008研究了基于形态谱的手型特征提取方法，并通过距离分类准则、神经网络以及支持向量机等算法进行了模式识别，验证了该特征提取算法的有效性；K.C.Gryllias,C.T.Yiakopoulos,I.A.Antoniadis.A Morphological Index for Fault Detection and Trending inDefective Gearboxes[C].16th International Congress on SoundandVibration.Krakow.2009.7.5-9将形态学指数用于变速箱的故障检测中；RamkumarP.B.Fault Analysis Using Mathematical Morphology and Fractal Geometry[J].International Journal of Emerging Technology and Advanced Engineering.2012.6(2/6)研究了数学形态学和分形几何在故障诊断中的应用。以上基于数学形态学的特征提取大多用于模式识别领域，鲜有涉及退化特征提取的案例。飞机使用过程中的工作循环通常定义为一次飞行循环，经历从起飞、爬升直至着陆的一个完整的过程。因此，作为燃油系统的核心元件，燃油泵运行时具有以工作循环表示的周期性，对应不同的飞行阶段，发动机对燃油的需求量不同。同时，飞机燃油泵是保证发动机持续、安全运行的关键设备，通常具备多种供油模式(例如中央油箱供油、机翼主油箱供油等)并会发生模式之间的迁移。因此，系统中各元件的激活与否，与系统当前所处的运行状态密切相关。