[发明专利]一种飞机发动机故障检测方法和系统

说明书

本发明公开了一种飞机发动机故障检测方法和系统，所述方法包括如下步骤：获取飞机发动机性能参数，构建飞机发动机性能参数样本集；建立双向长短期记忆网络模型，根据所述飞机发动机性能参数确定所述双向长短期记忆网络模型的输入层和输出层，并训练所述双向长短期记忆网络模型；获取所述长短期记忆网络模型参数建立遗传个体和种群，根据遗传算法将种群中个体进行交叉、变异和复制中的至少一种；将所述种群多次迭代后计算每一个体的适应度，选取最高的适应度的长短期记忆网络模型参数对应的飞机发动机故障检测结果作为最终结果。基于优化的双向长短期记忆网络(Bi‑LSTM)对飞机发动机进行检测，可以降低输入数据和参数的选择要求，并提高故障检测效果。

技术领域

本发明涉及飞机故障检测技术领域，特别涉及一种飞机发动机故障检测方法和系统

背景技术

随着国内外航空市场的快速发展，飞机已经成为现代社会最为重要的一种交通工具，飞机的安全飞行对于保证旅客生命财产安全、减少飞行事故和促进民航企业发展等方面都有着十分重要的现实意义。而航空发动机作为飞机运行的主要动力装置，因其工作环境较为苛刻，长时间在高温、高压和强腐蚀的环境下运行，极易发生故障，从而对飞机的健康安全造成威胁，因此对飞机发动机进行准确的故障诊断十分必要，保证发动机稳定可靠的工作是飞机安全运行的关键。

目前发动机故障诊断方法主要是使用人工智能算法，例如支持向量机、专家系统、神经网络、长短期记忆网络等。支持向量机在解决多分类问题时存在困难；专家系统虽然具有较强的可解释性，但是过分依赖过往经验且学习能力较差，限制了其在飞机发动机故障诊断中的应用；神经网络虽然可以有效的处理分类问题，但易出现梯度消失和梯度爆炸；LSTM网络虽然改善了神经网络的梯度问题，但对输入数据和参数的选择要求较高。

发明内容

本发明其中一个发明目的在于提供一种飞机发动机故障检测方法和系统，所述方法和系统基于优化的双向长短期记忆网络(Bi-LSTM)对飞机发动机进行检测，可以降低输入数据和参数的选择要求，并提高故障检测效果。

本发明另一个发明目的在于提供一种飞机发动机故障检测方法和系统，所述方法和系统将所述双向长短期记忆网络的相关参数采用遗传算法进行迭代优化，增强了所述双向长短期记忆网络的泛化能力，解决了飞机故障诊断中无法充分提取故障数据在时间序列中的长期依赖关系，诊断效率低以及诊断准确率不高的问题。

本发明另一个发明目的在于提供一种飞机发动机故障检测方法和系统，所述方法和系统通过优化的双向长短期记忆网络提取时间序列中的信息，从而可以适应于飞机发动机性能监测，提高飞机发动机中故障诊断的准确率和稳定性。

为了实现至少一个上述发明目的，本发明进一步提供一种飞机发动机故障检测方法，所述方法包括如下步骤：

获取飞机发动机性能参数，构建飞机发动机性能参数样本集；

建立双向长短期记忆网络模型，根据所述飞机发动机性能参数确定所述双向长短期记忆网络模型的输入层和输出层，并训练所述双向长短期记忆网络模型；

获取所述长短期记忆网络模型参数建立遗传个体和种群，根据遗传算法将种群中个体进行交叉、变异和复制中的至少一种；

将所述种群多次迭代后计算每一个体的适应度，选取最高的适应度的长短期记忆网络模型参数对应的飞机发动机故障检测结果作为最终结果。

根据本发明其中一个较佳实施例，在所述飞机发动机性能参数的构建过程中，包括对样本参数进行归一化处理，所述归一化处理的变换公式为：

其中x_i表示第i个数据，x_min表示数据中的最小值，x_max表示数据中的最大值。