[发明专利]一种基于不均衡样本的航空发动机故障诊断方法、系统

说明书

本申请涉及一种基于不均衡样本的航空发动机故障诊断方法、系统。所述基于不均衡样本的航空发动机故障诊断方法包括：获取不均衡样本集的不均衡样本特征集；对不均衡样本特征集进行采样，从而生成多个均衡样本特征子集；为每个均衡样本特征子集生成与每个均衡样本特征子集对应的训练后的集成分类器，各个训练后的集成分类器形成一个训练后的集成分类器组；获取航空发动机待测试集的待测试特征集；生成与均衡样本特征子集数量相同的均衡样本待测试特征子集；将均衡样本待测试特征子集输入至训练后的集成分类器组中，从而获得对应的航空发动机是否故障的结果。本申请提供的基于不均衡样本的航空发动机故障诊断方法通过进行采样，具有更可靠的准确性。

技术领域

本申请涉及控制台技术领域，尤其涉及一种基于不均衡样本的航空发动机故障诊断方法、基于不均衡样本的航空发动机故障诊断系统、电子设备以及计算机可读存储介质。

背景技术

民航发动机作为飞机上最主要的部件之一，对其进行故障诊断研究，不仅可以保证飞机的安全运行，也可以保证生命及财产安全。

民航发动机故障主要有气路故障、机械零部件故障以及附件故障三种。据中国民航科学技术研究院对我国2011-2015年民航事故统计，气路故障大约占发动机故障的60％左右。

近年来，很多学者针对民航发动机气路故障诊断做了深入研究，总结其研究方法，大致可以分为三类：基于模型的故障诊断方法、基于知识的故障诊断方法和基于数据的故障诊断方法。随着机器学习、深度学习等人工智能技术的快速发展，基于数据的故障诊断方法通过构建智能算法模型挖掘发动机数据间的内部特征，越来越广泛的应用到发动机状态监测中。

民航发动机数据参数多、参数之间关系复杂、正常样本与故障样本比例不均衡。传统的发动机故障诊断方法在处理发动机数据时存在两个问题。一方面，传统的特征提取方法如主成分分析(Principal Component Analysis，PCA)、线性判别分析(LinearDiscriminant Analysis，LDA)等难以挖掘民航发动机数据间的深层特征。

另一方面，传统的分类器大部分以最大化全部样本分类准确率为目标，难以保证我们比较关注的故障样本有很好的准确率。在工程应用领域，一般认为多数类与少数类样本数量比高于2:1时，样本分布具有不均衡性。

因此，针对以上不足，需要提供一种技术方案来克服或至少减轻现有技术的至少一个上述缺陷。

申请内容

本申请要解决的技术问题在于，针对现有技术中的缺陷，提供了一种控制台。

为了解决上述技术问题，本申请提供了一种基于不均衡样本的航空发动机故障诊断方法，所述基于不均衡样本的航空发动机故障诊断方法包括：获取不均衡样本集的不均衡样本特征集，其中，所述不均衡样本特征集包括正常样本特征以及故障样本特征，所述正常样本特征的数量与故障样本特征的数量不同；对所述不均衡样本特征集进行采样，从而生成多个均衡样本特征子集，每个均衡样本特征子集包括正常样本特征以及故障样本特征，其中，正常样本特征与故障样本特征的数量相同；为每个均衡样本特征子集生成与每个均衡样本特征子集对应的训练后的集成分类器，各个训练后的集成分类器形成一个训练后的集成分类器组；获取航空发动机待测试集的待测试特征集，所述待测试特征集包括多个待测试特征，每个航空发动机待测试样本对应一个待测试特征；对所述待测试特征集进行采样，从而生成与均衡样本特征子集数量相同的均衡样本待测试特征子集；将各个均衡样本待测试特征子集输入至训练后的集成分类器组中，从而获得各个均衡样本待测试特征子集对应的航空发动机是否故障的结果。

可选地，在获取不均衡样本集的不均衡样本特征集之前包括：获取不均衡样本集，其中，不均衡样本集包括正常样本以及故障样本，所述正常样本的数量与所述故障样本的数量不同，一个所述正常样本对应一个所述正常样本特征，一个所述故障样本特征对应一个故障样本特征；在获取航空发动机待测试集的待测试特征集之前包括：获取航空发动机待测试集，所述航空发动机待测试集包括多个航空发动机待测试样本；