一种基于特征扩增的航空发动机故障诊断方法及系统与流程

本发明涉及发动机诊断，具体来说，涉及一种基于特征扩增的航空发动机故障诊断方法及系统。

背景技术：

1、随着时代的发展，航空航天领域也在不断地进步，而航空发动机是飞机的动力来源，主要作用是产生推力使飞机能够飞行，且航空发动机的设计和制造是一门高度复杂且精密的技术，涉及到热力学、流体力学、材料科学等多个领域，而航空发动机的性能直接影响到飞机的飞行速度、载重、续航能力和经济性。

2、其中，航空发动机故障诊断是一个不断发展的领域，而航空发动机的故障诊断是确保飞行安全的关键环节，涉及对发动机各种潜在问题的检测和分析，随着技术的进步，使用更高级的传感器技术和数据分析方法进行故障预测和诊断成为可能，提高故障诊断的准确性和效率，从而提高飞行安全性和降低维护成本。

3、而特征扩增是一种数据预处理技术，主要用于提高机器学习模型的性能。这种方法通过增加额外的特征或修改现有特征来丰富数据集，从而帮助模型更好地学习和泛化，其目的是增加数据集的信息量，帮助模型捕捉到更多的、可能影响预测的因素。

4、但现有基于特征扩增的航空发动机故障诊断方法在进行使用时并未对航空发动机发生的故障进行分级，如专利文献cn116028865a，导致航空发动机发生故障后无法直观的明确故障优先级，导致航空发动机进行维修时的效果大大下降，同时对航空发动机进行故障故障诊断是并未考虑航空发动机故障区域对发动机整体的影响，导致现有基于特征扩增的航空发动机故障诊断方法在进行使用时的故障诊断较为片面，影响航空发动机进行故障诊断的精准性。

5、针对相关技术中的问题，目前尚未提出有效的解决方案。

技术实现思路

1、针对相关技术中的问题，本发明提出一种基于特征扩增的航空发动机故障诊断方法及系统，以克服现有相关技术所存在的上述技术问题。

2、为此，本发明采用的具体技术方案如下：

3、根据本发明的一个方面，提供了一种基于特征扩增的航空发动机故障诊断方法，包括以下步骤：

4、s1、获取航空发动机的设备参数和历史参数，根据设备参数配置发动机航空安全阈值，并根据发动机航空安全阈值对历史参数分类，得到航空发动机正常数据和航空发动机故障数据；

5、s2、根据航空发动机故障数据，通过航空发动机故障数据分类规则，对航空发动机故障数据分类，并基于故障分级规则，对故障分类结果分级，获取故障分级分类结果；

6、s3、根据故障分级分类结果，通过特征提取策略，对故障分级分类结果进行特征提取，获取故障特征参数，并根据故障特征参数构建故障特征数据库；

7、s4、获取航空发动机的实时参数，并根据发动机航空安全阈值对实时参数进行数据分类，获取航空发动机正常实时数据和航空发动机故障实时数据；

8、s5、根据航空发动机故障实时数据，通过特征扩增策略，对航空发动机故障实时数据的故障数据扩增，获取故障扩增数据，并将故障扩增数据与故障特征数据库比对，获取航空发动机故障诊断结果；

9、s6、根据航空发动机故障诊断结果生成航空发动机维修策略，根据航空发动机维修策略对航空发动机维修，记录航空发动机维修策略的维修效果，并根据维修效果对航空发动机维修策略优化更新。

10、作为优选方案，根据航空发动机故障数据，通过航空发动机故障数据分类规则，对航空发动机故障数据分类，并基于故障分级规则，对故障分类结果分级，获取故障分级分类结果包括以下步骤：

11、s21、预设航空发动机故障数据分类规则，并对航空发动机故障数据进行数据预处理；

12、s22、根据数据预处理后的航空发动机故障数据，通过故障分类模型，对数据预处理后的航空发动机故障数据进行故障种类划分；

13、s23、根据故障种类划分结果，进行故障区域匹配，基于故障区域匹配结果分析故障影响范围，并设置故障分级规则，基于故障分级规则对故障种类划分结果进行故障分级；

14、s24、对故障分级结果进行验证，并基于验证后的故障分级结果对故障种类划分结果添加标注，得到故障分级分类结果。

15、作为优选方案，根据数据预处理后的航空发动机故障数据，通过故障分类模型，对数据预处理后的航空发动机故障数据进行故障种类划分包括以下步骤：

16、s221、预设故障分类模型，基于故障分析模型构建故障分类模型库，并设置模型匹配规则；

17、s222、根据模型匹配规则，计算航空发动机故障数据与故障分类模型库内部模型的模型匹配值，并根据模型匹配值选择适配故障分类模型；

18、s223、对适配故障分类模型进行模型训练评估，并基于模型评估结果对适配故障分类模型进行优化调整；

19、s224、根据优化调整后的适配故障分类模型，对航空发动机故障数据进行故障种类划分；

20、s225、根据故障划分结果，通过合理性评估策略，获取故障种类划分结果的合理参数，并预设合理参数调整规则，根据合理参数调整规则和故障种类划分结果的合理参数对故障种类划分结果调节优化。

21、作为优选方案，根据故障种类划分结果，进行故障区域匹配，基于故障区域匹配结果分析故障影响范围，并设置故障分级规则，基于故障分级规则对故障种类划分结果进行故障分级包括以下步骤：

22、s231、根据航空发动机设备规格进行设备区域划分，并对设备区域进行影响性赋权，将故障种类划分结果与设备区域进行匹配，获取设备故障区域；

23、s232、根据设备故障区域的影响性赋权结果，通过因素分析算法，计算设备故障区域的影响关联值，并对影响关联值进行解析获取故障影响范围；

24、s233、预设故障分级规则和影响分级规则，并基于故障分级规则和影响分级规则对故障种类划分结果进行等级划分。

25、作为优选方案，根据设备故障区域的影响性赋权结果，通过因素分析算法，计算设备故障区域的影响关联值，并对影响关联值进行解析获取故障影响范围包括以下步骤：

26、s2321、将影响性赋权结果进行标准化数据调整，并进行因子分析，获取影响性赋权结果的影响因子；

27、s2322、对影响因子进行因子旋转优化影响因子结构，并计算优化后影响因子的影响关联值；

28、s2323、根据影响关联值评估设备故障区域对航空发动机的整体影响，并进行验证，获取故障影响范围。

29、作为优选方案，对影响因子进行因子旋转优化影响因子结构，并计算优化后影响因子的影响关联值的计算公式为：

30、

31、其中，w为影响因子的影响关联值；

32、n为影响因子的影响因素个数；

33、sr为影响因子的第r个影响因素中因子权重得分；

34、dr为影响因子的第r个影响因素中因子权重负荷。

35、作为优选方案，根据航空发动机故障实时数据，通过特征扩增策略，对航空发动机故障实时数据的故障数据扩增，获取故障扩增数据，并将故障扩增数据与故障特征数据库比对，获取航空发动机故障诊断结果包括以下步骤：

36、s51、对航空发动机故障实时数据进行数据清洗，并对清洗后的航空发动机故障实时数据进行特征提取，获取特征参数；

37、s52、预设特征扩增策略和故障特征数据库，并根据特征扩增策略对特征参数进行数据扩增，对特征参数的数据扩增情况进行验证，获取故障扩增数据；

38、s53、将故障扩增数据与故障特征数据库，通过数据比对规则进行比对，并对比对结果进行匹配值计算验证，根据验证后的匹配值判断航空发动机的故障情况；

39、s54、将航空发动机的故障情况按影响情况进行排序，并进行整合，获取航空发动机故障诊断结果。

40、作为优选方案，预设特征扩增策略和故障特征数据库，并根据特征扩增策略对特征参数进行数据扩增，对特征参数的数据扩增情况进行验证，获取故障扩增数据包括以下步骤：

41、s521、设置数据扩增方案和故障特征数据库，并对数据扩增方案整合得到特征扩增策略；

42、s522、将特征扩增策略内部的数据扩增方案与特征参数进行相似性分析，并根据相似性分析结果选择数据扩增方案；

43、s523、采用选择数据扩增方案对特征参数进行数据扩增，并对扩增后的特征参数进行统计分析验证，得到故障扩增数据。

44、作为优选方案，将故障扩增数据与故障特征数据库，通过数据比对规则进行比对，并对比对结果进行匹配值计算验证，根据验证后的匹配值判断航空发动机的故障情况包括以下步骤：

45、s531、预设比对标准，并根据比对标准将故障扩增数据与故障特征数据库进行比对；

46、s532、根据比对结果，通过匹配算法进行匹配值计算，并设置故障诊断阈值；

47、s533、将匹配值与故障诊断阈值进行对比判断，根据判断结果获取航空发动机的故障情况。

48、根据本发明的另一个方面，提供了一种基于特征扩增的航空发动机故障诊断系统，该系统包括：

49、数据获取模块，用于获取航空发动机的设备参数和历史参数，根据设备参数配置发动机航空安全阈值，并根据发动机航空安全阈值对历史参数分类，得到航空发动机正常数据和航空发动机故障数据；

50、故障分类模块，用于根据航空发动机故障数据，通过航空发动机故障数据分类规则，对航空发动机故障数据分类，并基于故障分级规则，对故障分类结果分级，获取故障分级分类结果；

51、特征提取模块，用于根据故障分级分类结果，通过特征提取策略，对故障分级分类结果进行特征提取，获取故障特征参数，并根据故障特征参数构建故障特征数据库；

52、实时数据模块，用于获取航空发动机的实时参数，并根据发动机航空安全阈值对实时参数进行数据分类，获取航空发动机正常实时数据和航空发动机故障实时数据；

53、故障诊断模块，用于根据航空发动机故障实时数据，通过特征扩增策略，对航空发动机故障实时数据的故障数据扩增，获取故障扩增数据，并将故障扩增数据与故障特征数据库比对，获取航空发动机故障诊断结果；

54、维修更新模块，用于根据航空发动机故障诊断结果生成航空发动机维修策略，根据航空发动机维修策略对航空发动机维修，记录航空发动机维修策略的维修效果，并根据维修效果对航空发动机维修策略优化更新。

55、本发明的有益效果为：

56、1、本发明通过对历史数据和实时数据的深度分析，采用数据驱动的方法，能够准确地识别和预测发动机故障，提高维修的效率和质量；更重要的，本发明根据设备参数配置动态的航空安全阈值，而不是使用固定的阈值，使得阈值的设定与实际工作环境和条件更加适配，从而灵活地适应不同的工作环境和条件，提高故障检测的准确性。

57、2、本发明将特征扩增与航空发动机故障诊断相结合，对故障实时数据进行故障数据扩增，通过特征提取和特征扩增，从原始数据中挖掘更多有用的信息，增强模型的预测能力；更重要的是，鉴于现有技术的缺陷(现有基于特征扩增的航空发动机故障诊断方法在进行使用时并未对航空发动机发生的故障进行分级，导致航空发动机进行维修时的效果大大下降，同时对航空发动机进行故障故障诊断是并未考虑航空发动机故障区域对发动机整体的影响，导致现有基于特征扩增的航空发动机故障诊断方法在进行使用时的故障诊断较为片面，影响航空发动机进行故障诊断的精准性)，本发明还增加了故障分级分类的过程，考虑到故障区域对发动机整体的影响，区分不同级别的故障，使得维修策略可以更有针对性，同时建立故障分类模型库和设置模型匹配规则，为不同类型的故障选择最合适的诊断模型，提高故障分类的准确性，从而提高了航空发动机故障诊断的精准性，使得航空发动机进行维修时的效果获得大大提升。

58、3、本发明通过对维修策略和故障分类模型的持续优化更新，不断利用新的数据和反馈来改进系统性能，同时还涉及到维修策略的制定和效果记录，为未来的故障预防和维修策略提供数据支持，并通过合理性评估策略和参数调整规则，该方案能够确保故障分类的结果是合理的，减少误诊率，再通过计算故障区域的影响关联值，理解故障对整个发动机的影响。