[发明专利]一种飞机用智能过滤器及滤芯检测方法

权利要求书

1.一种飞机用智能过滤器，其特征在于，包含：滤芯(1)、连接在滤芯(1)前后端的前压力传感器(2)和后压力传感器(3)、控制器(4)；其中，控制器(4)包含有数据采集器(5)、数据存储器(6)、单片机(7)以及总线接口(8)；前压力传感器(2)输出的前压力数据和后压力传感器(3)输出的后压力数据输入数据采集器(5)，并在数据存储器(6)进行存储，单片机(7)根据存储在数据存储器(6)的压力数据对未来的压力信号进行预测，以判断滤芯(1)是否失效；总线接口(8)实时上报预测结果和判断结果。

2.根据权利要求1所述的一种飞机用智能过滤器，其特征在于，数据采集器(5)每隔一定的时间间隔采集前压力数据和后压力数据，并将两者传送至数据存储器(6)。

3.根据权利要求1所述的一种飞机用智能过滤器，其特征在于，数据存储器(6)只存储最新的2n个前压力传感器(2)采集的前压力数据以及最新的2n个后压力传感器(3)采集的后压力数据；数据存储器(6)采用先入先出的方式进行动态更新；所述n为自然数。

4.根据权利要求书3所述的一种飞机用智能过滤器，其特征在于，单片机(7)内置用于进行预测的机器学习算法(9)，机器学习算法(9)以前n个前压力数据以及前n个后压力数据作为样本点，以后n个前压力数据以后n个后压力数据作为校验点，进行自适应性学习，更新机器学习算法(9)中的特征参数。

5.一种飞机用智能过滤器的滤芯检测方法，其特征在于，包括：

获取最新时间段内n个时刻检测到的前压力数据和后压力数据；

根据最新的n个前压力数据、n个后压力数据和机器学习算法对未来时刻的前压力数据和后压力数据进行预测，直到未来某一时刻的前压力数据和后压力数据达到预设阀值时停止预测，上报预测结果；机器学习算法是将存储的前n个前压力数据和前n个后压力数据作为样本点，存储的后n个前压力数据和后n个后压力数据作为校验点，根据样本点和校验点训练机器学习算法的特征参数。

6.根据权利要求5所述的方法，其特征在于，在第i个时间段内，根据最新的n个前压力数据、n个后压力数据和机器学习算法(9)对未来时刻的前压力数据和后压力数据进行预测，包括：

根据第i个时间段内的n个时刻检测到的前压力数据和后压力数据和机器学习算法，预测出第i+1时间段内的n个时刻的预测前压力数据和预测后压力数据；

判断预测n个前压力数据和对应的预测后压力数据之差值中是否存在大于预设阀值的差值；

若存在，则停止预测，上报预测结果；

若不存在，则获取第i+1个时间段内的n个时刻检测到的前压力数据和后压力数据。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

获取一个时间段内n个时刻检测到的前压力数据和后压力数据作为机器学习算法的样本点；

获取下一个时间段内n个时刻检测到的前压力数据和后压力数据作为机器学习算法的校验点；

将样本点输入机器学习算法，得到下一个时间段内n个时刻预测前压力数据和预测后压力数据；

比较下一个时间段内n个时刻预测前压力数据和预测后压力数据和校验点；

根据比较结果更新机器学习算法的特征参数。

8.根据权利要求5所述的方法，其特征在于，预测结果包括：达到预设阀值的时刻及剩余使用时间。