一种具有风险规避的航空发动机寿命预测和维护方法

本发明涉及剩余寿命预测与相关维护决策，具体但不限于涉及一种具有风险规避的航空发动机寿命预测和维护方法。

背景技术：

1、随着航空工业的快速发展和竞争日益激烈，航空公司和制造商迫切需要一种可靠的方法来监测和维护航空发动机。航空发动机作为飞机的核心组件之一，其性能和健康状态直接关系到飞行安全和运营成本。传统维护方法往往是基于固定时间间隔或使用次数，这种固定周期的维护策略可能会导致资源浪费和维护过度，同时也无法充分预防突发故障。相比于传统维护方法，预测维护是一种提前预测装备剩余寿命并形成一套切实可行的维护计划策略，该策略能够降低意外故障的发生概率，提高航空运营的效率和安全性。

2、此外，航空发动机预测维护还有助于延长发动机的使用寿命。通过定期监测和维护，可以最大程度保障发动机的正常运行，避免过度磨损和损坏，延缓发动机的老化进程。对航空公司而言，该策略意味着减少发动机更换频率，节约更换成本，并可延长飞机的使用寿命，提高资产利用效率。同时，对于航空制造商而言，提供预测维护服务可以增加客户忠诚度，并为其带来长期稳定的收益。

3、剩余寿命预测是预测维护策略中最重要的一步，而维护决策与管理是剩余寿命预测的最终目标。根据预测的剩余寿命，管理者可以更有效地为退化系统安排维护活动。一般来说，在相同或相近的预测误差下，低估的剩余寿命优于高估的剩余寿命，这是因为过高估计的剩余寿命会使得决策者掉以轻心而不做出任何活动，于是意外停机的风险激增，有时甚至可能会导致灾难性后果。只有克服了这些挑战，航空发动机预测维护才能真正发挥其在提升航空安全和经济效益方面的重要作用。

4、有鉴于此，需要提供一种新的方法，以期解决上述至少部分问题。

技术实现思路

1、针对现有技术中的一个或多个问题，本发明提出了一种具有风险规避的航空发动机寿命预测和维护方法，通过基于退化数据构建svr和lstm和预测模型，可以实现保持合理剩余寿命低估水平的同时降低高估率，并据此合理规划维护策略，从而提升预测维护决策的有效性。

2、实现本发明目的的技术解决方案为：

3、一种具有风险规避的航空发动机寿命预测和维护方法，包括：

4、s1、获取航空发动机的运行数据；

5、s2、基于相关性指标和一致性指标从所述运行数据中选取退化数据；

6、s3、基于选取的退化数据，利用支持向量回归机svr和长短时记忆网络lstm构建航空发动机剩余寿命预测模型；

7、s4、设计航空发动机剩余寿命预测模型的风险规避函数；

8、s5、预测航空发动机的在线剩余寿命；

9、s6、基于预测的在线剩余寿命制定航空发动机的维护策略。

10、进一步的，本发明的具有风险规避的航空发动机寿命预测和维护方法，s1中获取航空发动机的运行数据包括：

11、航空发动机内部设置有多传感器监测系统，所述多传感器监测系统记录航空发动机从原始运行开始的所有场景数据，包括压力、温度、转速等航空发动机的运行数据。

12、进一步的，本发明的具有风险规避的航空发动机寿命预测和维护方法，s2中从所述运行数据中选取退化数据的步骤包括：

13、s2-1、给定一个时间序列{s1,s2,…,sl}，使用滑动平均技术，获得退化数据γi为：

14、

15、其中，γi表示经过滑动平均后在i时刻的传感器状态数据，si表示在时刻i的传感器监测值，n为滑动窗口大小，l表示序列长度；

16、s2-2、计算退化数据的相关性指标和一致性指标：

17、

18、

19、其中，corr表示范围为-1到1的相关性指标，di(γi)表示每个退化数据γi和时刻i之间的秩差，con表示范围为0到1的一致性指标，n表示样本数，j表示第j个样本，ρ(·)表示满足条件时取1，否则取0；

20、s2-3、当退化数据γi满足|corr|≥θ且con＝0或con＝1时，则保留该数据，反之，剔除该数据，θ为相关性阈值，设置在0.5和1之间。

21、进一步的，本发明的具有风险规避的航空发动机寿命预测和维护方法，s3中对退化数据与剩余寿命进行建模包括：

22、s3-1、利用支持向量回归机svr构建退化数据与航空发动机剩余寿命之间的svr模型：

23、

24、其中，表示svr模型预测的航空发动机剩余寿命值，x表示基于相关性指标和一致性指标选择的退化数据，svr(·)表示svr映射函数；

25、s3-2、利用长短时记忆网络lstm构建退化数据与航空发动机剩余寿命之间的lstm模型：

26、

27、其中，表示lstm模型预测的航空发动机剩余寿命值，lstm(·)表示lstm映射函数；

28、s3-3、对svr模型预测的航空发动机剩余寿命值和lstm模型预测的航空发动机剩余寿命值进行归一化：

29、

30、

31、其中，和分别表示对svr模型预测的航空发动机剩余寿命值和lstm模型预测的航空发动机剩余寿命值进行归一化后得到的值，min(·)表示最小值运算，max(·)表示最大值运算；

32、s3-4、基于双曲正切激活函数构建svr和lstm混合预测模型：

33、

34、其中，表示归一化的航空发动机剩余寿命预测值，tanh(·)表示双曲正切函数，w1、w2表示权值参数，b表示偏置参数，e表示自然常数；

35、s3-5、对归一化的航空发动机剩余寿命预测值进行反归一化，获得航空发动机剩余寿命预测模型：

36、

37、其中，表示航空发动机剩余寿命预测值。

38、进一步的，本发明的具有风险规避的航空发动机寿命预测和维护方法，s4中设计风险规避函数包括：

39、s4-1、定义误差函数：

40、

41、其中，e表示误差函数，y表示航空发动机剩余寿命真实值，表示航空发动机剩余寿命预测值，cc表示修复性维护费用，cp表示预防性维护费用，cc/cp是对高估误差的惩罚倍数；

42、s4-2、定义具有风险规避自适应性的预测损失函数：

43、

44、其中，z表示预测损失函数，lj是第j个样本的观测序列长度，n表示样本数，表示在时刻i第j个样本的剩余寿命预测值，表示在时刻i第j个样本的剩余寿命真实值；

45、s4-3、利用gwo-ii算法最小化预测损失函数，获得最优个体的位置qk＝(w1,w2,b)。

46、进一步的，本发明的具有风险规避的航空发动机寿命预测和维护方法，s4-3中利用gwo-ii算法最小化预测损失函数包括：

47、s4-3-1、设定初始参数：设gwo-ii算法的狼群规模s、最大迭代次数t，并初始化种群中各个个体的位置qk＝(w1,w2,b)，w1、w2表示权值参数，b表示偏置参数，k＝1,2,…,s表示个体；

48、s4-3-2、嵌入选择算子：根据预测损失函数计算种群中各个个体的适应度值，并将所述适应度值以降序的方式排列；根据排序结果将种群个体均匀地划分为后段、中段和前段；分别从后段、中段和前段随机选择60％、80％和100％比例的个体；将前段的个体补充到中段与后段的缺失部分，形成相同规模的新狼群；

49、s4-3-3、确定影响力最高的三头狼：根据种群中所有个体的适应度值，找到影响力最高的三头狼引导种群对目标即最优解的作战策略，影响力最高的三头狼依次标记为α、β和δ；

50、s4-3-4、更新最优三头狼的位置：

51、

52、其中，r1～r6为0到1之间的随机数，t＝1,2…,t表示当前的迭代次数，t为最大迭代次数，qα(t)、qβ和qδ分别表示α、β和δ狼的位置；

53、s4-3-5、更新群体中所有个体位置：

54、

55、s4-3-6、判断是否达到最大迭代次数，若达到，则输出最优个体的位置qk＝(w1,w2,b)，否则，转到s4-3-3，继续迭代。

56、进一步的，本发明的具有风险规避的航空发动机寿命预测和维护方法，s5中预测航空发动机的在线剩余寿命包括：

57、svr模型接收当前k时刻的基于相关性指标和一致性指标选择的m个传感器的信号数据并生成对应时间点的剩余寿命的估计值；

58、lstm模型接收基于相关性指标和一致性指标选择的m个传感器的信号序列，并生成包含k个预测值的剩余寿命序列其中，代表lstm模型在当前预测时刻估计的剩余寿命值；

59、当svr和lstm混合预测模型接收到和与连接参数(w1、w2和b)后，生成最终预测的剩余寿命值；

60、通过当前时刻k和预测的剩余寿命值计算在役系统可能发生故障的时刻：

61、进一步的，本发明的具有风险规避的航空发动机寿命预测和维护方法，s6中制定航空发动机的维护策略包括：设定可靠时间裕度η，安排维护活动在时刻进行，其中，k表示当前时刻，表示预测的剩余寿命值。

62、本发明采用以上技术方案与现有技术相比，具有以下技术效果：

63、1、本发明的具有风险规避的航空发动机寿命预测和维护方法，在预测模型中加入了选取的退化数据，可使航空发动机的寿命预测和维护决策在存在不确定性情况下具有更低的计算量和更快的收敛速度。

64、2、本发明的具有风险规避的航空发动机寿命预测和维护方法，在预测模型中设计风险规避函数，有效地将svr模型和lstm模型融合起来，增强了rul预测的稳健性，同时能够规避滞后rul预测对维护决策带来的系统性风险。