[发明专利]一种无故障样本下航天液体发动机健康状态智能识别方法

说明书

本发明公开了一种无故障样本下航天液体发动机健康状态智能识别方法，以航天液体发动机稳态运行阶段多个传感器通道采集的一维信号作为多源数据，对各通道信号进行统一的预处理，并划分训练集和测试集；基于时序追踪的故障数据生成方法，通过训练集无故障样本生成故障样本，并将其并入训练集；然后构建循环卷积神经网络作为智能状态识别模型，模型通过对训练集多源数据进行自适应的融合及特征提取，实现对航天液体发动机健康状态智能识别；最后，将模型用于测试集的健康状态智能识别，并对结果进行量化评估。本发明能够用于发动机实际运行中健康状态和异常状态的智能识别，并有效解决无故障样本下的航天液体发动机健康状态智能识别问题。

技术领域

本发明涉及航天液体发动机故障诊断技术领域，具体涉及一种无故障样本下航天液体发动机健康状态智能识别方法。

背景技术

航天液体发动机作为多过程、强耦合的复杂非线性系统，不仅关键部件多，而且工作环境极端，工况变化剧烈，一旦发动机发生故障，可能会造成巨大的经济损失，甚至是人员伤亡。因此，对发动机运行状态进行健康状态监测和识别具有重要价值。

航天液体发动机的运行状态通过多通道传感器数据进行监测，传统分析方法通常将各个数据源进行孤立的分析和统计，并通过对各个通道设定指标来判别发动机健康状态,这种方法和指标未实现多数据源信息的综合利用，难以全面系统的表征发动机的运行状态。随着深度学习的发展和广泛应用，数据驱动的算法在设备健康状态识别领域引起人们重视，以其强大的自适应特征融合及特征提取能力在设备状态监测的研究中取得了非常大的进步。

航天液体发动机在验收期的地面热试车状态监测数据难以收集到故障数据，而系统实际运行中存在故障风险且可能发生的故障模式复杂多样。现有数据驱动智能算法的良好表现依赖于对大量的正常数据和大量异常数据的学习，如果没有故障样本，模型将无法得到有效训练，无法识别系统实际运行可能发生的其他故障模式。因此，研究无故障样本下航天液体发动机健康状态智能识别方法，用于解决航天液体发动机热试车故障数据收集困难，而发动机实际热试车存在故障风险的问题有重要价值。

发明内容

本发明的目的在于提供一种无故障样本下航天液体发动机健康状态智能识别方法，以克服现有技术存在的问题，本发明实现对发动机实际运行过程中可能发生的故障状态进行识别。

为达到上述目的，本发明采用如下技术方案：

一种无故障样本下航天液体发动机健康状态智能识别方法，包括以下步骤：

步骤1：以航天液体发动机运行状态下多个传感器通道采集的一维信号作为多源数据，对各通道信号进行预处理，并划分训练集和测试集；

步骤2：使用基于时序追踪的故障数据生成方法，以训练集无故障样本为基础生成故障样本，并将其并入训练集；

步骤3：构建循环卷积神经网络作为智能状态识别模型，对步骤2得到的训练集进行学习，模型通过对多源数据进行自适应的融合及特征提取，实现对航天液体发动机健康状态智能识别。

进一步地，在所述步骤3之后还包括：

步骤4：用步骤3中训练的智能状态识别模型对测试集数据进行健康状态智能识别，并对识别结果进行量化评估。

进一步地，步骤1中对一维信号进行的预处理包括，对各通道信号分别进行统一的归一化处理，对归一化信号采样并添加标签。

进一步地，对每个传感器通道采集的信号分别进行归一化处理，得到归一化信号，其计算式为：

式中，T_j为第j个传感器通道采集的信号序列，|·|用于取序列中各数据的绝对值，max(·)取序列中的最大值，为第j个通道归一化后的信号。