[发明专利]基于观测器的直升机主减速器振动特征阈值设置方法

说明书

本发明公开了一种基于观测器的直升机主减速器振动特征阈值设置方法，本发明采用相关性分析的方法对飞参发参进行优化约减；将飞参发参作为网络输入，振动特征参数作为网络输出，利用正常状态下的样本数据训练建立多隐含层BP神经网络观测器，并计算得到正常样本残差；采用统计分布的原理，计算残差阈值。将实际测得的飞参、发参作为已训练好的神经网络的输入，计算得到相应的振动特征参数的估计输出，将其与残差阈值求和，从而得到当前飞参发参情况下的自适应动态阈值。

技术领域

本发明属于直升机故障诊断与健康管理领域，具体地说，是一种基于观测器的直升机主减速器振动特征阈值设置方法。

背景技术

对直升机主减速器的振动特性进行分析，可以认为主减速器的振动主要来自于四个方面：主减速器内部各类旋转机械本身的振动，直升机飞行状态变化引起的振动，故障引发的振动和噪声。在进行状态监测、故障诊断与预测时，若采用固定阈值的方法，当飞行状态变化引起的振动变化大于健康状态变化引发的振动变化时，会对诊断与预测结果进行干扰。

通常，直升机在飞行过程中状态多变，扭矩、速度等参数变化频繁，导致直升机的振动特性变化较大从而掩盖了因其本身健康状态变化而产生的振动特性的变化。

因此，为提高故障诊断与健康管理系统处理结果的可信度，尽可能减小飞行状态变化导致的影响，需要开展基于飞行状态的自适应动态阈值设置方法研究。

发明内容

本发明的目的在于提供一种可以根据直升机的飞行状态自适应设置直升机主减速器监测特征动态阈值的方法。采用了基于神经网络观测器，可根据飞行状态的不同生成动态阈值。

实现本发明目的的技术解决方案为：一种基于观测器的直升机主减速器振动特征阈值设置方法，包括以下步骤：

步骤一：针对直升机机上监测的各种飞行状态参数、发动机状态参数(简称飞参发参)和振动特征参数，选取正常状态下的样本数据，将数据标准化，利用标准化后的样本数据，计算每个飞行状态参数、发动机状态参数与振动特征参数之间的相关性，根据设定的相关性系数下阈值，选取相关性高于下阈值的飞参发参；

步骤二：针对选取的飞参发参数据，采用基于神经网络观测器的方法，将选取的飞参发参数据做为神经网络输入，振动特征参数作为神经网络输出，利用样本数据对神经网络观测器进行训练；

步骤三：针对训练完成的神经网络观测器，将正常状态下飞参发参样本数据作为观测器输入，得到的输出与相对应的振动特征参数进行比较，得到正常状态下振动特征参数样本的残差；

步骤四：针对生成的正常状态样本残差，假设其服从正态分布，计算残差的均值和标准差，并根据根据k倍σ原则确定设定相应的残差超限阈值；

步骤五：针对步骤一中已经筛选出的飞参发参，获取同一直升机主减速器的实测飞参发参数据，输入训练完成的神经网络观测器中，得到振动特征参数的理论值，将其与步骤五得到的残差超限阈值进行求和，从而得到振动特征的自适应动态阈值。

本发明与现有技术相比，其显著优点为：可以根据直升机的飞行状态的变化，自适应设置直升机主减速器监测特征的动态阈值，随着飞行状态的变化动态调整阈值。

附图说明

图1为双隐含层BP神经网络结构图。

图2为振动特征残差生成。

图3为基于残差概率分布的残差阈值计算。

图4为自适应动态阈值计算。

具体实施方式