技术特征：
1.一种飞机发动机故障预测方法，其特征在于，包括：获取多个训练飞机发动机的全生命周期数据；所述全生命周期数据按照使用时长分为正常数据和异常数据；所述异常数据中包含全生命周期中预警区间内的故障预警数据；利用每个所述训练飞机发动机中的正常数据训练对应飞机发动机的som模型，并获得所述飞机发动机中故障预警数据的最小量化误差mqe；基于所述多个训练飞机发动机中故障预警数据的最小量化误差mqe的平均值，确定预警区间对应的最小量化误差mqe范围；利用多个测试飞机发动机分别测试所述最小量化误差mqe范围的预警正确率，将所述正确率超过正确率阈值的测试飞机发动机的占比作为测试通过率，若所述测试通过率超过第一测试通过率阈值，则基于所述最小量化误差mqe范围，进行待预测飞机发动机的故障预测。2.根据权利要求1所述的飞机发动机故障预测方法，其特征在于，每一测试飞机发动机通过执行以下步骤测试所述最小量化误差mqe范围的正确率：利用测试飞机发动机中的正常数据训练测试飞机发动机的som模型，并获取所述测试飞机发动机中异常数据的最小量化误差mqe；获取所述异常数据的最小量化误差mqe在所述最小量化误差mqe范围内的异常数据区间；基于所述异常数据区间与预警区间的交集占所述预警区间时长的比值得到所述正确率。3.根据权利要求2所述的飞机发动机故障预测方法，其特征在于，还包括：若所述测试通过率在第二测试通过率阈值和所述第一测试通过率阈值之间，则调整正确率低于正确率阈值的测试飞机发动机的som模型参数或者测试飞机发动机中正常数据的占比，并重新训练测试飞机发动机的som模型、重新获取正确率及测试通过率；其中，所述第二测试通过率阈值低于所述第一测试通过率阈值。4.根据权利要求2所述的飞机发动机故障预测方法，其特征在于，还包括：若所述测试通过率低于所述第二测试通过率阈值，则调整所述训练飞机发动机的som模型参数、所述全生命周期数据中正常数据的占比、预警区间的范围中一项或多项，并重新确定所述最小量化误差mqe范围、重新获取正确率及测试通过率。5.根据权利要求4所述的飞机发动机故障预测方法，其特征在于，调整所述训练飞机发动机、测试飞机发动机的som模型参数，包括调整som模型中学习率初始化参数、初始优胜邻域、神经元权重初值中的一个参数或多个参数。6.根据权利要求1
‑
5中任一项所述的飞机发动机故障预测方法，其特征在于，所述正确率阈值为70％。7.根据权利要求6所述的飞机发动机故障预测方法，其特征在于，所述第一测试通过率为90％，所述第二测试通过率为80％。8.根据权利要求1所述的飞机发动机故障预测方法，其特征在于，所述基于所述最小量化误差mqe范围，进行待预测飞机发动机的故障预测，包括：每采集一个待预测的飞机发动机的正常数据，利用采集的待预测飞机发动机的正常数据训练所述待预测飞机发动机的som模型；
每采集一个待预测飞机发动机的异常数据，获得所述待预测飞机发动机中异常数据的最小量化误差mqe；若所述待预测的飞机发动机中异常数据的最小量化误差mqe在所述最小量化误差mqe范围内，则进行待预测飞机发动机的故障预测。9.根据权利要求1所述的飞机发动机故障预测方法，其特征在于，所述最小量化误差mqe范围的下限为所述最小量化误差mqe的平均值的80％、上限为所述最小量化误差mqe的平均值的120％。10.根据权利要求1所述的飞机发动机故障预测方法，其特征在于，所述利用每个飞机发动机中的正常数据训练当前飞机发动机的som模型，并获得当前飞机发动机中故障预警数据的最小量化误差mqe，包括：所述利用每个飞机发动机中的正常数据训练当前飞机发动机的som模型，获得最佳匹配单元；将所述故障预警数据与所述最佳匹配单元之间距离的最小值作为所述故障预警数据的最小量化误差mqe。