[发明专利]基于小波分析和多层超限学习机的高空台故障诊断方法

说明书

本发明涉及一种基于小波分析和多层超限学习机的高空台故障诊断方法，属于高空台传感器系统智能故障诊断领域。包括以下步骤：采用小波分析法对基于系统带标签的故障样本原始数据进行提取特征和去噪；构造多层超限学习机，进行在线序列学习训练；针对实际系统数据，进行故障诊断。本发明采用小波分析法进行故障特征提取和去噪，构造了在线多层超限学习机进行多种故障分类，进一步诊断出故障类别，突破了目前已有单层超限学习机诊断精度低、不能及时诊断传感器故障的局限，提高了故障诊断的准确性。

技术领域

本发明涉及高空试验台故障诊断领域的智能故障诊断方法，具体涉及一种基于小波分析和多层超限学习机的高空台智能故障诊断方法，属于高空台传感器系统智能故障诊断领域。

背景技术

航空发动机高空模拟试车台(简称高空台)是能够模拟发动机空中工作环境条件的地面试车台。高空台能进行发动机高空特性试验测量，获取发动机高空性能/特性，鉴定发动机附件和系统在不同飞行环境条件下的工作可靠性，研究和考核各种飞行条件下的发动机结构完整性。高空台是国家战略性资源，是自主研制先进航空发动机必不可少的重要手段和工具。随着发动机型号快速增多和性能不断提升，需要在高空环境下对发动机全包线范围内的性能和功能进行反复调试、验证及考核，对高空台进气调节系统测量传感器的可靠性和安全性提出了极高的要求。测量传感器长时运行在大负荷、强振动、高频率使用的恶劣工况下极易出现故障，轻则导致控制系统失灵，重则发生重大安全事故，严重威胁了被试发动机的试验安全和高空台的安全运行。因此，有必要开展高空台传感器故障诊断方法研究，从而达到典型故障状态实时在线诊断、有效规避试验风险的目的。

《基于深度小波自动编码器和极限学习机的轴承故障诊断》(陶沙沙,郭顺生，《科学技术与工程》，2020年第20期第29卷)一文中提出了一种基于深度小波自动编码器和极限学习机相结合的轴承故障诊断方法，该方法采用深度小波自动编码器去噪，然后采用极限学习机进行故障分类识别，达到了故障诊断的目的，但是对于高空试验台这种高可靠性设备，传感器故障诊断的准确度要求更高，而该方法的故障分类部分受到了一定局限性，无法对传感器多种故障进行很好的分类。本发明提供的多层超限学习机方法增加了隐含层数，能够充分提取故障的内在特征信息，从而对传感器故进行有效诊断分类，并且相比于深度学习分类方法计算量更少、更易在线实现。

发明内容

要解决的技术问题

为了克服目前发动机高空试验台传感器故障诊断的准确性缺陷，本发明提出一基于小波分析和多层超限学习机的高空台故障诊断方法。该方法能够更充分地挖掘感器故障特征，在线准确地诊断出故障，解决了高空台传感器故障在线诊断的难题

技术方案

一种基于小波分析和多层超限学习机的高空台故障诊断方法，其特征在于步骤下：

步骤1：基于系统带标签的故障样本原始数据x(t)，采用小波分析法进行提取征和去噪；

1)采用二进小波变换得到小波变换系数

其中τ为频移因子，n＝(log₂m)-5，m表示信号长度；

2)对各个分解尺度下的小波系数选择一个阈值进行阈值量化处理，过滤小波系数低于阈值的噪声信号，保留小波系数高于阈值的有用信号；通过公式

计算得出阈值，式中，N为实际测量信号x(t)经过小波变换分解得到小波系数的个数总和，σ为给定的附加噪声信号的标准差；根据W_x(2^j,τ)≥T选取符合条件j的范围A≤j≤B；

3)根据小波分解后的最底层低频小波系数和各个高频小波系数,进行信号的小波重构，得到重构后的信号：