基于分组卷积自编码器的航空发动机故障检测方法及系统与流程

技术特征：

1.一种基于分组卷积自编码器的航空发动机故障检测方法，其特征在于，包括以下步骤：

变量分组步骤、基于变量之间的相关性将飞机通讯寻址与报告系统数据的变量分成多个变量组；

特征提取步骤、采用卷积去噪自动编码器模型独立地提取每个变量组的特征；

故障识别步骤、将所有变量组的特征融合起来形成特征向量，基于该特征向量采用支持向量机来识别故障样本。

2.根据权利要求1所述的基于分组卷积自编码器的航空发动机故障检测方法，其特征在于，所述特征提取步骤包括以下子步骤：

无监督学习子步骤、采用去噪自动编码器模型对每个变量组的卷积核进行无监督学习；

卷积操作子步骤、将每个变量组的ACARS数据片段与对应的卷积核进行卷积，求得每个变量组的卷积特征图；

池化操作子步骤、基于每个变量组的卷积特征图进行池化操作，得到每个变量组的池化特征。

3.根据权利要求2所述的基于分组卷积自编码器的航空发动机故障检测方法，其特征在于，所述故障识别步骤中将每个变量组的池化特征向量化，组合所有变量组的池化特征构成样本的特征向量，基于特征向量采用支持向量机进行模式识别，识别ACARS数据中的故障样本。

4.根据权利要求2所述的基于分组卷积自编码器的航空发动机故障检测方法，其特征在于，所述无监督学习子步骤包括：

(1)将每个ACARS数据片段向量化成为一维向量A；

(2)通过一个随机函数sf(·)，将一维向量A污染成

(3)将映射到隐层表示h，如下式所示：

σ(a)＝1/(1+e^-a)

式中，σ表示输入层与隐层之间的激活函数，W是输入层与隐层之间的权重矩阵，b是偏置向量；

(4)通过Dropout模型正则化技术，产生一个包含0-1随机数且服从伯努利分布的向量bv，将该向量与隐层表示h进行内积运算得到

(5)通过以下公式将映射到A的重构Z：

式中，W^T是输入层与隐层之间的权重矩阵W的转置，c是隐层与输出层之间的偏置向量；

(6)基于输入数据A、输出数据Z以及正则化项构建目标函数，通过最小化目标函数得到权重矩阵W和偏置向量b的最优值Wopt与bopt，其中最优值Wopt变形为卷积核，bopt作为偏置向量在卷积操作中使用。

5.根据权利要求1所述的基于分组卷积自编码器的航空发动机故障检测方法，其特征在于，所述变量分组步骤中采用凝聚独立变量分组分析方法对ACARS数据的变量进行分组，给定一个ACARS数据集X＝[x1x2，…,xm]，xi代表第i个变量，变量xi＝(xi(1),...,xi(T))是一个时间序列，T是时间序列长度；该步骤中对ACARS数据集的多维变量进行分割，将m维变量分割成n个互不相连的子集G＝{Gi|j＝1,...,n}，使得不同变量组的模型Hi的边缘对数似然性的总和最大化，其中Gi为第i个变量组中的ACARS变量集合。

6.一种基于分组卷积自编码器的航空发动机故障检测系统，其特征在于，包括：

变量分组模块，用于基于变量之间的相关性将飞机通讯寻址与报告系统数据的变量分成多个变量组；

特征提取模块，用于采用卷积去噪自动编码器模型独立地提取每个变量组的特征；

故障识别模块，用于将所有变量组的特征融合起来形成特征向量，基于该特征向量采用支持向量机来识别故障样本。

7.根据权利要求6所述的基于分组卷积自编码器的航空发动机故障检测系统，其特征在于，所述特征提取模块包括：

无监督学习单元，用于采用去噪自动编码器模型对每个变量组的卷积核进行无监督学习；

卷积操作单元，用于将每个变量组的ACARS数据片段与对应的卷积核进行卷积，求得每个变量组的卷积特征图；

池化操作单元，用于基于每个变量组的卷积特征图进行池化操作，得到每个变量组的池化特征。

8.根据权利要求7所述的基于分组卷积自编码器的航空发动机故障检测系统，其特征在于，所述故障识别模块中将每个变量组的池化特征向量化，组合所有变量组的池化特征构成样本的特征向量，基于特征向量采用支持向量机进行模式识别，识别ACARS数据中的故障样本。

9.根据权利要求7所述的基于分组卷积自编码器的航空发动机故障检测系统，其特征在于，所述无监督学习子步骤通过以下步骤进行无监督学习：

(1)将每个ACARS数据片段向量化成为一维向量A用作输入数据；

(2)通过一个随机函数sf(·)，将一维向量A污染成

(3)将映射到隐层表示h，如下式所示：

σ(a)＝1/(1+e^-a)

式中，σ表示输入层与隐层之间的激活函数，W是输入层与隐层之间的权重矩阵，b是偏置向量；

(4)通过Dropout模型正则化技术，产生一个包含0-1随机数且服从伯努利分布的向量bv，将该向量与隐层表示h进行内积运算得到

(5)通过以下公式将映射到A的重构得到输出数据Z：

式中，W^T是输入层与隐层之间的权重矩阵W的转置，c是隐层与输出层之间的偏置向量；

(6)基于输入数据A、输出数据Z以及正则化项构建目标函数，通过最小化目标函数得到权重矩阵W和偏置向量b的最优值Wopt与bopt，其中最优值Wopt变形为卷积核，bopt作为偏置向量在卷积操作中使用。

10.根据权利要求6所述的基于分组卷积自编码器的航空发动机故障检测系统，其特征在于，所述变量分组模块采用凝聚独立变量分组分析方法对ACARS数据的变量进行分组，给定一个ACARS数据集X＝[x1x2，…,xm]，xi代表第i个变量，变量xi＝(xi(1),...,xi(T))是一个时间序列，T是时间序列长度；该步骤中对ACARS数据集的多维变量进行分割，将m维变量分割成n个互不相连的子集G＝{Gi|j＝1,...,n}，使得不同变量组的模型Hi的边缘对数似然性的总和最大化，其中Gi为第i个变量组中的ACARS变量集合。