故障诊断模型的构建及故障诊断方法、系统、设备和介质与流程

本发明涉及航空发动机，尤其涉及一种故障诊断模型的构建及故障诊断方法、系统、设备和介质。

背景技术：

1、航空发动机运行中可能产生多种振动相关的故障，例如转静子碰磨、转子热弯曲等，发展快速、准确的故障诊断方法对发动机健康状态监测和避免更严重故障的发生具有重要意义。振动故障的发生通常会使信号在频域发生变化，通过定位与故障相关的特征频谱可对故障进行诊断。通常特征频谱由理论分析或人工经验判断，并由此发展了基于专家经验、故障模型等故障诊断算法。然而，实际情况下，特征频谱会受以下因素影响发生改变进而影响故障诊断准确率：

2、a)复杂故障对应的特征频谱通常不是单一频谱，同时故障的演变会造成特征频谱的迁移以及范围的变化，难以事先准确定位；

3、b)受限于结构等因素，测点与故障源之间存在一条或多条传递路径，传递过程会影响故障信号的频谱成分和能量分布，多条路径汇合至测点处使测得信号相对源信号发生变化，该变化与测点位置有关且难以准确分析；

4、c)目前航空发动机振动故障诊断还是以人工分析为主，效率较低，特别是在故障较复杂、数据量较大时难以满足需求。

5、由于目前航空发动机振动故障多基于特征频谱，采用人工分析的方式进行诊断，但是由于故障的演变以及传递路径的影响，信号频域成分会发生变化进而影响故障诊断的准确性；同时在面对复杂故障和大量数据情形下诊断效率难以保证。

6、因此，急需一种有效的故障特征频率定位方法，以实现快速、可靠的航空发动机振动故障诊断。

技术实现思路

1、本发明要解决的技术问题是为了克服现有技术中航空发动机振动故障多基于特征频谱，采用人工分析的方式进行诊断，故障诊断的准确性、可靠性和诊断效率较低的缺陷，提供一种故障诊断模型的构建及故障诊断方法、系统、设备和介质。

2、本发明是通过下述技术方案来解决上述技术问题：

3、第一方面，提供一种故障诊断模型的构建方法，所述构建方法包括：

4、基于发动机转子在设定历史时间段内的历史运行数据，获取若干种诊断类别；

5、提取每种所述诊断类别对应的若干个数据片段；

6、基于同一种所述诊断类别下的若干个所述数据片段得到每种所述诊断类别下的每个所述数据片段对应的子倍频矩阵；

7、对同一种所述诊断类别下的全部所述数据片段的所述子倍频矩阵沿时间维度进行合并以得到每种所述诊断类别对应的总倍频矩阵；

8、基于同一种所述诊断类别对应的所述总倍频矩阵得到每种所述诊断类别下的不同的子频带对应的子频带矩阵；

9、基于全部所述子频带矩阵，对同一诊断类别内相似性和不同诊断类别间的差异性进行定量评估，以得到评估结果，所述评估结果用于确定所述故障诊断模型的目标特征频带；

10、基于所述目标特征频带采用预设模型构建得到所述故障诊断模型。

11、较佳地，所述数据片段包括时域振动数据、转速脉冲数据和用于区分不同所述数据片段的标签数据；

12、所述基于同一种所述诊断类别下的若干个所述数据片段得到每种所述诊断类别下的每个所述数据片段对应的子倍频矩阵的步骤具体包括：

13、基于发动机信号采样频率获取所述发动机转子对应的基频的倍频截止频率，并预设倍频分辨率；

14、基于同一种所述诊断类别下的同一个所述数据片段下的所述转速脉冲数据将同一个所述数据片段下的所述时域振动数据转换为角域整周期采样；

15、其中，所述角域整周期采样中每个角域周期采样的数据点个数大于所述倍频截止频率；

16、基于所述角域周期采样的数据点个数和所述倍频分辨率采用短时傅里叶变换处理，得到同一个所述数据片段下所述时域振动数据对应截止到所述倍频截止频率的每种所述诊断类别下的每个所述数据片段对应的所述子倍频矩阵。

17、较佳地，所述基于同一种所述诊断类别对应的所述总倍频矩阵得到每种所述诊断类别下不同的子频带对应的子频带矩阵的步骤具体包括：

18、获取子频带时间宽度，基于子频带倍频宽度和所述倍频分辨率计算得到子频带宽度；

19、其中，所述子频带时间宽度和所述子频带宽度分别对应时间维度和频率维度；

20、获取相邻两个所述子频带在时间维度上的子频带时间重合度，获取相邻两个所述子频带在频率维度上的子频带重合度；

21、基于所述子频带时间宽度、所述子频带宽度、所述子频带时间重合度和所述子频带重合度对全部所述诊断类别下的所述总倍频矩阵采用矩阵分割和归一化处理，得到每种所述诊断类别下的所述总倍频矩阵在时间维度和频率维度上分别离散的若干个时间维度子频带和若干个频率维度子频带；

22、其中，每种所述诊断类别下的所述频率维度子频带的数量相同；

23、基于所述子频带时间宽度、所述子频带宽度、每种所述诊断类别下的所述时间维度子频带和所述频率维度子频带得到每种所述诊断类别下不同的所述子频带对应的所述子频带矩阵；

24、其中，所述子频带包括所述时间维度子频带和所述频率维度子频带。

25、较佳地，每种所述诊断类别下包括若干频段，每个所述频段包括若干所述子频带；

26、所述基于全部所述子频带矩阵，对同一诊断类别内相似性和不同诊断类别间的差异性进行定量评估，以得到评估结果，所述评估结果用于确定所述故障诊断模型的目标特征频带的步骤具体包括：

27、计算同一种所述诊断类别下的目标频段对应的任意所述子频带之间的同类别差异数据；

28、基于不同所述诊断类别下的所述时间维度子频带的数量计算任意不同所述诊断类别之间参与计算的目标子频带的数量；

29、基于所述目标子频带的数量计算所述目标频段对应的不同所述诊断类别之间的类别间差异数据；

30、基于所述同类别差异数据和所述类别间差异数据计算所述目标频段区分任意两种所述诊断类别能力的均衡性数据；

31、基于所述诊断类别、所述同类别差异数据、所述类别间差异数据和所述均衡性数据计算所述目标频段对全部所述诊断类别的区分能力数据；

32、基于所述区分能力数据将沿频率维度确定的全部数量的所述频率维度子频带进行排序，选取符合预设排序阈值的若干所述频率维度子频带作为所述目标特征频带。

33、较佳地，所述计算同一种所述诊断类别下的目标频段对应的任意所述子频带之间的同类别差异数据的步骤对应的公式如下：

34、

35、其中，表示第i种所述诊断类别下的目标频段j对应的同类别差异数据，sti表示第i种所述诊断类别下的时间维度子频带的数量，wt表示时间维度下子频带时间宽度，wf表示频率维度下子频带宽度，m和n分别表示沿时间维度下第m和n个子频带矩阵，si(j,m)表示第i种所述诊断类别下目标频段j对应沿时间维度下第m个子频带，si(j,n)表示第i种所述诊断类别下目标频段j对应沿时间维度下第n个子频带，d<si(j,m),si(j,n)>表示第i种所述诊断类别下目标频段j沿时间维度下第m个子频带和第n个子频带的差异；

36、其中，所述d<si(j,m),si(j,n)>的计算公式如下：

37、

38、和/或，

39、所述基于不同所述诊断类别下的所述时间维度子频带的数量计算任意不同所述诊断类别之间参与计算的目标子频带的数量的步骤对应的公式如下：

40、st＝min(sti,sth)；

41、其中，st表示所述目标子频带的数量，sti表示第i种所述诊断类别下的所述时间维度子频带的数量，sth表示第h种所述诊断类别下的所述时间维度子频带的数量，min()表示选取两者中的最小值；

42、和/或，

43、所述基于所述目标子频带的数量计算所述目标频段对应的不同所述诊断类别之间的类别间差异数据的步骤对应的公式如下：

44、

45、其中，g表示循环次数，每个循环次数下分别从第i种所述诊断类别和第h种所述诊断类别下的目标频段j对应的全部所述子频带内选取st个子频带并在内部进行随机排序，表示目标频段j在第i种所述诊断类别和第h种所述诊断类别之间的类别间差异数据；

46、和/或，

47、所述基于所述同类别差异数据和所述类别间差异数据计算所述目标频段区分任意两种所述诊断类别能力的均衡性数据的步骤的对应的公式如下：

48、

49、其中，σj表示所述目标频段j区分任意两种诊断类别i和h能力的均衡性数据，fn表示所述诊断类别的总数，表示所述类别间差异数据的均值；

50、和/或，

51、基于所述诊断类别、所述同类别差异数据、所述类别间差异数据和所述均衡性数据计算所述目标频段对全部所述诊断类别的区分能力数据的步骤对应的公式如下：

52、

53、其中，sj表示所述目标频段j对所述诊断类别的区分能力数据。

54、较佳地，所述基于所述区分能力数据将沿频率维度确定的全部数量的所述频率维度子频带进行排序，选取符合预设排序阈值的若干所述频率维度子频带作为所述目标特征频带的步骤具体包括：

55、基于所述区分能力数据对全部数量的所述频率维度子频带进行评估得到评估结果；

56、对所述评估结果进行降序排序；

57、选取排序靠前的预设数量的所述频率维度子频带作为所述目标特征频带。

58、较佳地，所述基于所述目标特征频带采用预设模型构建得到所述故障诊断模型的步骤具体包括：

59、基于所述目标特征频带生成目标样本数据；

60、基于所述目标样本数据对所述预设模型进行训练，以构建得到所述故障诊断模型。

61、较佳地，所述基于所述目标特征频带生成目标样本数据的步骤具体包括：

62、基于所述子频带时间宽度和所述子频带宽度划分每个所述目标特征频带对应的若干个目标频带区域；

63、将若干所述目标频带区域沿频率维度进行合并得到第一样本数据；

64、沿时间维度对所述第一样本数据进行处理得到所述目标样本数据。

65、较佳地，所述构建方法还包括：

66、基于新的试验数据得到新的样本数据；

67、基于所述故障诊断模型对所述新的样本数据进行诊断，所得结果分为诊断正确、诊断错误和无法判断正误三个诊断类别；

68、基于诊断错误结果对应的样本数据更新得到新的目标样本数据；

69、基于所述新的目标样本数据对所述故障诊断模型进行重新训练，以得到优化后的所述故障诊断模型。

70、第二方面，提供一种故障诊断方法，所述故障诊断方法包括：

71、获取发动机转子在预设时间段内的实际运行数据；

72、采用任一所述的故障诊断模型的构建方法得到所述实际运行数据对应的实际样本数据，并将所述实际样本数据输入至任一所述的故障诊断模型的构建方法得到的故障诊断模型中，以得到所述故障诊断模型输出的所述发动机转子对应的目标故障类型。

73、第三方面，提供一种故障诊断模型的构建系统，所述构建系统包括：

74、诊断类别数据获取模块，用于基于发动机转子在设定历史时间段内的历史运行数据，获取若干种诊断类别；

75、数据片段获取模块，用于提取每种所述诊断类别对应的若干个数据片段；

76、子倍频矩阵获取模块，用于基于同一种所述诊断类别下的若干个所述数据片段得到每种所述诊断类别下的每个所述数据片段对应的子倍频矩阵；

77、总倍频矩阵获取模块，用于对同一种所述诊断类别下的全部所述数据片段的所述子倍频矩阵沿时间维度进行合并以得到每种所述诊断类别对应的总倍频矩阵；

78、子频带矩阵获取模块，用于基于同一种所述诊断类别对应的所述总倍频矩阵得到每种所述诊断类别数据下的不同的子频带对应的子频带矩阵；

79、目标特征频带获取模块，用于基于全部所述子频带矩阵，对同一诊断类别内相似性和不同诊断类别间的差异性进行定量评估，以得到评估结果，所述评估结果用于确定所述故障诊断模型的目标特征频带；

80、模型构建模块，用于基于所述目标特征频带采用预设模型构建得到所述故障诊断模型。

81、较佳地，所述数据片段包括时域振动数据、转速脉冲数据和用于区分不同所述数据片段的标签数据；所述子倍频矩阵获取模块包括：

82、倍频数据获取单元，用于获取所述发动机转子对应的基频的倍频截止频率，并预设倍频分辨率；

83、角域采样单元，用于基于同一种所述诊断类别下的同一个所述数据片段下的所述转速脉冲数据将同一个所述数据片段下的所述时域振动数据转换为角域整周期采样；

84、其中，所述角域整周期采样中每个角域周期采样的数据点个数大于所述倍频截止频率；

85、时频转换单元，用于基于所述角域周期采样的数据点个数和所述倍频分辨率采用短时傅里叶变换处理，得到同一个所述数据片段下所述时域振动数据对应截止到所述倍频截止频率的每种所述诊断类别下的每个所述数据片段对应的所述子倍频矩阵。

86、较佳地，所述子频带矩阵获取单元包括：

87、宽度获取单元，用于获取子频带时间宽度，基于子频带倍频宽度和所述倍频分辨率计算得到子频带宽度；

88、其中，所述子频带时间宽度和所述子频带宽度分别对应时间维度和频率维度；

89、重合度获取单元，用于获取相邻两个所述子频带在时间维度上的子频带时间重合度，获取相邻两个所述子频带在频率维度上的子频带重合度；

90、离散单元，用于基于所述子频带时间宽度、所述子频带宽度、所述子频带时间重合度和所述子频带重合度对全部所述诊断类别下的所述总倍频矩阵采用矩阵分割和归一化处理，得到每种所述诊断类别下的所述总倍频矩阵在时间维度和频率维度上分别离散的若干个时间维度子频带和若干个频率维度子频带；

91、其中，每种所述诊断类别下的所述频率维度子频带的数量相同；

92、子频带矩阵获取单元，用于基于所述子频带时间宽度、所述子频带宽度、每种所述诊断类别下的所述时间维度子频带和所述频率维度子频带得到每种所述诊断类别下不同的所述子频带对应的所述子频带矩阵；

93、其中，所述子频带包括所述时间维度子频带和所述频率维度子频带。

94、较佳地，每种所述诊断类别下包括若干频段，每个所述频段包括若干所述子频带；所述目标特征频带获取模块包括：

95、类内差异计算单元，用于计算同一种所述诊断类别下的目标频段对应的任意所述子频带之间的同类别差异数据；

96、目标子频带计算单元，用于基于不同所述诊断类别下的所述时间维度子频带的数量计算任意不同所述诊断类别之间参与计算的目标子频带的数量；

97、类间差异计算单元，用于基于所述目标子频带的数量计算所述目标频段对应的不同所述诊断类别之间的类别间差异数据；

98、均衡数据获取单元，用于基于所述同类别差异数据和所述类别间差异数据计算所述目标频段区分任意两种所述诊断类别能力的均衡性数据；

99、区分数据获取单元，用于基于所述诊断类别、所述同类别差异数据、所述类别间差异数据和所述均衡性数据计算所述目标频段对全部所述诊断类别的区分能力数据；

100、排序单元，用于基于所述区分能力数据将沿频率维度确定的全部数量的所述频率维度子频带进行排序，选取符合预设排序阈值的若干所述频率维度子频带作为所述目标特征频带。

101、较佳地，所述计算同一种所述诊断类别下的目标频段对应的任意所述子频带之间的同类别差异数据的步骤对应的公式如下：

102、

103、其中，表示第i种所述诊断类别下的目标频段j对应的同类别差异数据，sti表示第i种所述诊断类别下的时间维度子频带的数量，wt表示时间维度下子频带时间宽度，wf表示频率维度下子频带宽度，m和n分别表示沿时间维度下第m和n个子频带矩阵，si(j,m)表示第i种所述诊断类别下目标频段j对应沿时间维度下第m个子频带，si(j,n)表示第i种所述诊断类别下目标频段j对应沿时间维度下第n个子频带，d<si(j,m),si(j,n)>表示第i种所述诊断类别下目标频段j沿时间维度下第m个子频带和第n个子频带的差异；

104、其中，所述d<si(j,m),si(j,n)>的计算公式如下：

105、

106、和/或，

107、所述基于不同所述诊断类别下的所述时间维度子频带的数量计算任意不同所述诊断类别之间参与计算的目标子频带的数量的步骤对应的公式如下：

108、st＝min(sti,sth)；

109、其中，st表示所述目标子频带的数量，sti表示第i种所述诊断类别下的所述时间维度子频带的数量，sth表示第h种所述诊断类别下的所述时间维度子频带的数量，min()表示选取两者中的最小值；

110、和/或，

111、所述基于所述目标子频带的数量计算所述目标频段对应的不同所述诊断类别之间的类别间差异数据的步骤对应的公式如下：

112、

113、其中，g表示循环次数，每个循环次数下分别从第i种所述诊断类别和第h种所述诊断类别下的目标频段j对应的全部所述子频带内选取st个子频带并在内部进行随机排序，表示目标频段j在第i种所述诊断类别和第h种所述诊断类别之间的类别间差异数据；

114、和/或，

115、所述基于所述同类别差异数据和所述类别间差异数据计算所述目标频段区分任意两种所述诊断类别能力的均衡性数据的步骤的对应的公式如下：

116、

117、其中，σj表示所述目标频段j区分任意两种诊断类别i和h能力的均衡性数据，fn表示所述诊断类别的总数，表示所述类别间差异数据的均值；

118、和/或，

119、基于所述诊断类别、所述同类别差异数据、所述类别间差异数据和所述均衡性数据计算所述目标频段对全部所述诊断类别的区分能力数据的步骤对应的公式如下：

120、

121、其中，sj表示所述目标频段j对所述诊断类别的区分能力数据。

122、较佳地，所述排序单元具体用于基于所述区分能力数据对全部数量的所述频率维度子频带进行评估得到评估结果；

123、对所述评估结果进行降序排序；

124、选取排序靠前的预设数量的所述频率维度子频带作为所述目标特征频带。

125、较佳地，所述模型构建模块包括：

126、样本数据生成单元，用于基于所述目标特征频带生成目标样本数据；

127、模型训练单元，用于基于所述目标样本数据对所述预设模型进行训练，以构建得到所述故障诊断模型。

128、较佳地，所述样本数据生成单元具体用于基于所述子频带时间宽度和所述子频带宽度划分每个所述目标特征频带对应的若干个目标频带区域；

129、将若干所述目标频带区域沿频率维度进行合并得到第一样本数据；

130、沿时间维度对所述第一样本数据进行处理得到所述目标样本数据。

131、较佳地，所述构建系统还包括：

132、模型优化模块，用于基于新的试验数据得到新的样本数据；

133、基于所述故障诊断模型对所述新的样本数据进行诊断，所得结果分为诊断正确、诊断错误和无法判断正误三个诊断类别；

134、基于诊断错误结果对应的样本数据更新得到所述新的目标样本数据；

135、基于所述新的目标样本数据对所述故障诊断模型进行重新训练，以得到优化后的所述故障诊断模型。

136、第四方面，提供一种故障诊断系统，所述故障诊断系统包括：

137、运行数据获取模块，用于获取发动机转子在预设时间段内的实际运行数据；

138、故障诊断模块，用于采用所述故障诊断模型的构建系统得到所述实际运行数据对应的实际样本数据，并将所述实际样本数据输入至所述故障诊断模型的构建系统得到的故障诊断模型中，以得到所述故障诊断模型输出的所述发动机转子对应的目标故障类型。

139、第五方面，提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述任一所述故障诊断模型的构建方法，或上述所述的故障诊断方法。

140、第六方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在由处理器执行时实现上述任一所述故障诊断模型的构建方法，或上述所述的故障诊断方法。

141、本发明的积极进步效果在于：

142、本发明的故障诊断模型的构建及故障诊断方法、系统、设备和介质，通过基于发动机转子在设定历史时间段内的历史运行数据，获取若干种诊断类别，提取每种诊断类别对应的若干个数据片段，基于同一种诊断类别下的若干个数据片段得到每种诊断类别下的每个数据片段对应的子倍频矩阵，对同一种诊断类别下的全部数据片段的子倍频矩阵沿时间维度进行合并以得到每种诊断类别对应的总倍频矩阵，基于同一种诊断类别对应的总倍频矩阵得到每种诊断类别下的不同的子频带对应的子频带矩阵，基于全部子频带矩阵，对同一诊断类别内相似性和不同诊断类别间的差异性进行定量评估，以得到评估结果，评估结果得到用于确定故障诊断模型的目标特征频带，基于目标特征频带采用预设模型构建得到故障诊断模型。实现了用于发动机转子的故障诊断模型的构建，实现了对发动机转子振动故障的自动诊断，无需人工进行故障分析，提高了故障诊断的准确性、可靠性和智能化程度。