[发明专利]基于无标签、不均衡、初值不确定数据的航空发动机寿命预测方法

权利要求书

1.一种基于无标签、不均衡、初值不确定数据的航空发动机寿命预测方法,其特征在于包括以下步骤:

(1)根据定义的相关性指标和趋势性指标，对发动机性能退化数据集X(I×J×K_i)进行特征选择，其中，I为相似发动机样本个数，J为每个发动机样本中各传感器输出的观测变量个数，K_i为每个发动机样本的观测数据个数，i＝1,2,...,I；

(2)根据步骤(1)的特征选择结果，将发动机样本中观测变量个数由J个减少为F个，得到代表发动机性能退化数据集的三维矩阵X(I×F×K)；

(3)将三维矩阵X(I×F×K)按变量按F方向展开为一个二维数据集X(Z×F)(Z＝K₁+K₂+...+K_I)，利用量子聚类理论得到二维数据集X(Z×F)的势能分布，确定所述发动机性能退化数据集的类别数量C，根据类别数量C利用模糊聚类理论得到发动机性能退化数据集的健康度标签Tag；

(4)将步骤(3)中所述的二维数据集X(Z×F)和健康标签Tag中前90％的样本作为训练集、后10％的样本作为验证集，训练多变量深度森林分类器，若验证的集中分类准确率均大于90％，则保留所训练的多变量深度森林模型后结束训练，否则重新训练，直到满足条件为止；

(5)分别针对步骤(3)所述的二维数据集X(Z×F)中每个特征变量f进行LSTM网络训练，最终可以得到F个LSTM时间序列预测模型，本步骤可以与步骤(4)先后进行或者同时进行；

(6)利用步骤(5)中的F个LSTM时间序列预测模型，分别预测不同观测变量的变化趋势，将各变化趋势输入到步骤(3)中训练好的多变量深度森林模型中，得到测试数据集以及预测值的健康状态，根据不同健康状态对应的时间和预测开始，计算得到发动机不同健康阶段的维持时间和RUL。

2.根据权利要求1所述的基于无标签、不均衡、初值不确定数据的航空发动机寿命预测方法，其特征在于步骤(1)中的特征选择过程为：

(1)建立相关性指标Corr(i,j)和趋势性指标Tre(j)如下：

其中,

其中，j(K_i)为发动机样本i的第j个观测变量，Corr(i,j)是特征序列j(K_i)与其序列长度k＝1,2,3,...K_i的斯皮尔曼相关系数，r²(j(K_i))为秩次的差值的平方；

(2)分别计算发动机各观测变量与其运行周期的相关性指标Corr(i,j)，并计算各变量的趋势性指标Tre(j)；

(3)如果第j个观测变量同时满足Corr(i,j)≥0.5和Tre(j)＝＝0或者1这两个条件，则此观测变量被选择保留下来。

3.根据权利要求1所述的基于无标签、不均衡、初值不确定数据的航空发动机寿命预测方法，其特征在于步骤(3)中确定类别数量C的方法为：

(1)建立势能函数U(x)：

其中，E是Hamilton算子的特征值，E＝d2，d为Hamilton算子可能的最小特征值，用样本的数据维数来表示，ψ为带有Parzen窗的高斯核函数估计波函数，σ为波函数宽度调节参数；

(2)通过判断势能函数的局部极小值点，极小值点的数量即为类别数量C。

4.根据权利要求1所述的基于无标签、不均衡、初值不确定数据的航空发动机寿命预测方法，其特征在于步骤(4)中所述的多变量深度森林分类器参数为：

n_cascadeRF＝2,

n_cascadeRFtree＝101,

cascade_test_size＝0.2,

tolance＝0,

其中，n_cascadeRF代表每层完全随机森林或随机森林中的数量，n_cascadeRFtree代表每层中单个完全随机森林或随机森林包含的完全随机决策树或随机决策树的数量，cascade_test_size代表验证样本所占训练样本的比例，tolance代表级联层扩展的精度差。