【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及發(fā)動(dòng)機(jī)剩余壽命預(yù)測，具體涉及一種基于深度學(xué)習(xí)的航空發(fā)動(dòng)機(jī)剩余壽命預(yù)測方法和系統(tǒng)。
技術(shù)介紹
1、發(fā)動(dòng)機(jī)作為飛機(jī)最重要的部件之一，其運(yùn)行工況復(fù)雜，在長期運(yùn)行中出現(xiàn)故障是不可避免的。對發(fā)動(dòng)機(jī)的健康狀態(tài)進(jìn)行實(shí)時(shí)評估并準(zhǔn)確預(yù)測其剩余使用壽命(rul)可以有效減少非計(jì)劃外的停機(jī)時(shí)間和非必要的維護(hù)或者過度維護(hù)操作，并為后續(xù)維修策略的制定提供參考借鑒。
2、航空發(fā)動(dòng)機(jī)的性能和使用壽命受飛行條件、運(yùn)行環(huán)境和內(nèi)部結(jié)構(gòu)等諸多因素的影響。發(fā)動(dòng)機(jī)剩余壽命預(yù)測是通過對獲取到的相關(guān)傳感器數(shù)據(jù)進(jìn)行處理分析，然后結(jié)合相關(guān)模型或機(jī)器學(xué)習(xí)方法，構(gòu)建運(yùn)行狀態(tài)數(shù)據(jù)與剩余使用壽命之間的映射模型，從而實(shí)現(xiàn)對機(jī)器從當(dāng)前運(yùn)行到壽命終止時(shí)的使用時(shí)間的預(yù)測。目前常用的方法主要分為兩類：基于物理模型的方法和數(shù)據(jù)驅(qū)動(dòng)的方法。前者主要是根據(jù)設(shè)備的運(yùn)行機(jī)理建立物理模型來表征退化過程，但其過度依賴于歷史監(jiān)測數(shù)據(jù)，并且對于復(fù)雜的系統(tǒng)，專業(yè)知識(shí)的不充分和不確定因素的干擾會(huì)限制構(gòu)建的模型的完整性和準(zhǔn)確性。而數(shù)據(jù)驅(qū)動(dòng)的方法獨(dú)立于物理原理，它是通過統(tǒng)計(jì)方法或機(jī)器學(xué)習(xí)相關(guān)算法，根據(jù)獲取到的傳感器數(shù)據(jù)進(jìn)行直接預(yù)測。近年來，隨著傳感器技術(shù)的發(fā)展，航空發(fā)動(dòng)機(jī)的壽命預(yù)測中需要處理大量的退化數(shù)據(jù)，深度學(xué)習(xí)方法憑借其出色的數(shù)據(jù)處理能力和學(xué)習(xí)能力，已得到廣泛應(yīng)用。目前基于深度學(xué)習(xí)的相關(guān)方法主要是利用cnn，lstm等網(wǎng)絡(luò)結(jié)構(gòu)，從大量傳感器數(shù)據(jù)中提取特征退化信息，捕獲傳感器信號(hào)特征和剩余壽命之間復(fù)雜的非線性關(guān)系，從而實(shí)現(xiàn)航空發(fā)動(dòng)機(jī)的剩余壽命預(yù)測。
3、然而，現(xiàn)有的基于深度學(xué)習(xí)模型
技術(shù)實(shí)現(xiàn)思路
1、(一)解決的技術(shù)問題
2、針對現(xiàn)有技術(shù)的不足，本專利技術(shù)提供了一種基于深度學(xué)習(xí)的航空發(fā)動(dòng)機(jī)剩余壽命預(yù)測方法和系統(tǒng)，解決了基于深度學(xué)習(xí)模型的相關(guān)方法在特征的空間相關(guān)性和時(shí)序依賴關(guān)系上捕獲不充分的技術(shù)問題。
3、(二)技術(shù)方案
4、為實(shí)現(xiàn)以上目的，本專利技術(shù)通過以下技術(shù)方案予以實(shí)現(xiàn)：
5、第一方面，本專利技術(shù)提供一種基于深度學(xué)習(xí)的航空發(fā)動(dòng)機(jī)剩余壽命預(yù)測方法，包括：
6、獲取歷史發(fā)動(dòng)機(jī)運(yùn)行數(shù)據(jù)和在役發(fā)動(dòng)機(jī)監(jiān)測數(shù)據(jù)，并進(jìn)行預(yù)處理，得到數(shù)據(jù)集；
7、根據(jù)航空發(fā)動(dòng)機(jī)的運(yùn)行特點(diǎn)對數(shù)據(jù)集進(jìn)行標(biāo)簽化，將數(shù)據(jù)集中的數(shù)據(jù)分為正常運(yùn)行階段數(shù)據(jù)和壽命退化階段數(shù)據(jù)；
8、采用滑動(dòng)窗口法對每個(gè)發(fā)動(dòng)機(jī)引擎單元的相鄰時(shí)間段的數(shù)據(jù)進(jìn)行分割，構(gòu)建訓(xùn)練樣本數(shù)據(jù)集；
9、通過訓(xùn)練樣本數(shù)據(jù)集對預(yù)先構(gòu)建的神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到航空發(fā)動(dòng)機(jī)剩余壽命預(yù)測模型，所述航空發(fā)動(dòng)機(jī)剩余壽命預(yù)測模型用于預(yù)測航空發(fā)動(dòng)機(jī)的壽命；
10、其中，所述預(yù)先構(gòu)建的神經(jīng)網(wǎng)絡(luò)中包括基于圖注意力機(jī)制的多尺度卷積特征提取模塊、融合特征注意力機(jī)制的gru模塊和rul預(yù)測模塊；所述基于圖注意力機(jī)制的多尺度卷積特征提取模塊和融合特征注意力機(jī)制的gru模塊雙支并行，兩者的輸出均輸入到rul預(yù)測模塊中；所述于圖注意力機(jī)制的多尺度卷積特征提取模塊通過若干個(gè)不同尺寸的并行的卷積塊捕獲多級退化特征，并利用圖注意力機(jī)制將不同的濾波器視為節(jié)點(diǎn)，構(gòu)建多個(gè)不同的圖結(jié)構(gòu)，根據(jù)不同特征圖之間的相關(guān)性，為每個(gè)特征圖賦權(quán)；所述融合特征注意力機(jī)制的gru模塊動(dòng)態(tài)調(diào)整不同時(shí)間步下輸入特征的權(quán)重，實(shí)現(xiàn)序列數(shù)據(jù)的差異性更新。
11、優(yōu)選的，所述預(yù)處理包括特征選擇和標(biāo)準(zhǔn)化處理；
12、其中，
13、所述特征選擇包括：結(jié)合相關(guān)性分析方法對多維變量進(jìn)行特征選擇，得到與航空發(fā)動(dòng)機(jī)剩余壽命相關(guān)的變量；所述多維變量包括相關(guān)傳感器數(shù)據(jù)以及工況參數(shù)；
14、所述標(biāo)準(zhǔn)化處理包括歸一化處理。
15、優(yōu)選的，所述根據(jù)航空發(fā)動(dòng)機(jī)的運(yùn)行特點(diǎn)對數(shù)據(jù)集進(jìn)行標(biāo)簽化，將數(shù)據(jù)集中的數(shù)據(jù)分為正常運(yùn)行階段數(shù)據(jù)和壽命退化階段數(shù)據(jù)，包括：
16、利用分段線性函數(shù)方法對航空發(fā)動(dòng)機(jī)的運(yùn)行階段進(jìn)行劃分，根據(jù)其本身運(yùn)行特點(diǎn)將航空發(fā)動(dòng)機(jī)運(yùn)行周期劃分為兩個(gè)階段：正常運(yùn)行階段和壽命退化階段，假定在正常運(yùn)行階段發(fā)動(dòng)機(jī)具有恒定的rul值：
17、
18、其中，ylabel表示構(gòu)建樣本數(shù)據(jù)的標(biāo)簽，ylabel＝rearly表示正常運(yùn)行階段，ylabel＝rul表示壽命退化階段，rul表示獲取到的航空發(fā)動(dòng)機(jī)的實(shí)際剩余使用壽命，rearly表示設(shè)置的發(fā)動(dòng)機(jī)壽命閾值；
19、根據(jù)劃分標(biāo)準(zhǔn)，對數(shù)據(jù)集中的數(shù)據(jù)進(jìn)行處理，將數(shù)據(jù)集中的數(shù)據(jù)分為正常運(yùn)行階段數(shù)據(jù)和壽命退化階段數(shù)據(jù)。
20、優(yōu)選的，所述基于圖注意力機(jī)制的多尺度卷積特征提取模塊包括3個(gè)不同尺寸的并行的卷積塊和圖注意力機(jī)制；
21、其中，3個(gè)不同尺寸的并行的卷積塊捕獲多級退化特征，并利用圖注意力機(jī)制將不同的卷積塊中的卷積核視為節(jié)點(diǎn)，構(gòu)建多個(gè)不同的圖結(jié)構(gòu)，根據(jù)不同特征圖之間的相關(guān)性，為每個(gè)特征圖賦權(quán)；
22、其中，cnn的特征提取的表示式如下：
23、
24、其中，和為第i個(gè)卷積核下的權(quán)重矩陣和偏置矩陣，表示卷積運(yùn)算后形成的特征圖，σ(·)表示激活函數(shù)；
25、圖注意力機(jī)制的賦權(quán)過程如下：
26、
27、其中，i和j分別表示圖結(jié)構(gòu)中的節(jié)點(diǎn)，和表示節(jié)點(diǎn)i和j的特征向量表示，eij表示節(jié)點(diǎn)i對節(jié)點(diǎn)j的關(guān)注系數(shù)，表示節(jié)點(diǎn)i的所有相鄰節(jié)點(diǎn)，||表示向量拼接；
28、在獲取到所有節(jié)點(diǎn)的注意力分?jǐn)?shù)后，利用softmax函數(shù)對其進(jìn)行歸一化處理，獲取不同節(jié)點(diǎn)的權(quán)重，對其進(jìn)行賦權(quán)。
29、優(yōu)選的，所述融合特征注意力機(jī)制的gru模塊為雙層的gru網(wǎng)絡(luò)結(jié)構(gòu)，在第一個(gè)gru之后引入特征注意力機(jī)制，通過特征注意力機(jī)制結(jié)合gru中前序時(shí)刻隱藏狀態(tài)ht-1中保留的歷史運(yùn)行數(shù)據(jù)，根據(jù)重要程度為下一時(shí)刻不同的輸入特征賦權(quán)，將賦權(quán)后輸入變量作為下一層gru的輸入；其中g(shù)ru的運(yùn)算過程如下：
30、rt＝σ(wr·[ht-1,xt]+br)
31、
32、zt＝σ(wz·[ht-1,xt]+bz)
33、
34、其中，rt表示重置門的輸出，zt表示更新門的輸出，σ(·)表示激活函數(shù)；wr、wh和wz表示權(quán)重矩陣；br、bh和bz表示偏置矩陣；ht表示傳遞到下一時(shí)刻的隱藏狀態(tài)的信息。
35、優(yōu)選的，所述rul預(yù)測模塊包括拼接層和全連接層，通過拼接層中的concat函數(shù)將兩個(gè)向量矩陣拼接
【技術(shù)保護(hù)點(diǎn)】
1.一種基于深度學(xué)習(xí)的航空發(fā)動(dòng)機(jī)剩余壽命預(yù)測方法，其特征在于，包括：
2.如權(quán)利要求1所述的基于深度學(xué)習(xí)的航空發(fā)動(dòng)機(jī)剩余壽命預(yù)測方法，其特征在于，所述預(yù)處理包括特征選擇和標(biāo)準(zhǔn)化處理；
3.如權(quán)利要求1所述的基于深度學(xué)習(xí)的航空發(fā)動(dòng)機(jī)剩余壽命預(yù)測方法，其特征在于，所述根據(jù)航空發(fā)動(dòng)機(jī)的運(yùn)行特點(diǎn)對數(shù)據(jù)集進(jìn)行標(biāo)簽化，將數(shù)據(jù)集中的數(shù)據(jù)分為正常運(yùn)行階段數(shù)據(jù)和壽命退化階段數(shù)據(jù)，包括：
4.如權(quán)利要求1～3任一所述的基于深度學(xué)習(xí)的航空發(fā)動(dòng)機(jī)剩余壽命預(yù)測方法，其特征在于，所述基于圖注意力機(jī)制的多尺度卷積特征提取模塊包括3個(gè)不同尺寸的并行的卷積塊和圖注意力機(jī)制；
5.如權(quán)利要求1～3任一所述的基于深度學(xué)習(xí)的航空發(fā)動(dòng)機(jī)剩余壽命預(yù)測方法，其特征在于，所述融合特征注意力機(jī)制的GRU模塊為雙層的GRU網(wǎng)絡(luò)結(jié)構(gòu)，在第一個(gè)GRU之后引入特征注意力機(jī)制，通過特征注意力機(jī)制結(jié)合GRU中前序時(shí)刻隱藏狀態(tài)ht-1中保留的歷史運(yùn)行數(shù)據(jù)，根據(jù)重要程度為下一時(shí)刻不同的輸入特征賦權(quán)，將賦權(quán)后輸入變量作為下一層GRU的輸入；其中GRU的運(yùn)算過程如下：
6.如權(quán)利要求1～3
7.一種基于深度學(xué)習(xí)的航空發(fā)動(dòng)機(jī)剩余壽命預(yù)測系統(tǒng)，其特征在于，包括：
8.如權(quán)利要求7所述的基于深度學(xué)習(xí)的航空發(fā)動(dòng)機(jī)剩余壽命預(yù)測系統(tǒng)，其特征在于，所述根據(jù)航空發(fā)動(dòng)機(jī)的運(yùn)行特點(diǎn)對數(shù)據(jù)集進(jìn)行標(biāo)簽化，將數(shù)據(jù)集中的數(shù)據(jù)分為正常運(yùn)行階段數(shù)據(jù)和壽命退化階段數(shù)據(jù)，包括：
9.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，其存儲(chǔ)用于基于深度學(xué)習(xí)的航空發(fā)動(dòng)機(jī)剩余壽命預(yù)測的計(jì)算機(jī)程序，其中，所述計(jì)算機(jī)程序使得計(jì)算機(jī)執(zhí)行如權(quán)利要求1～6任一所述的基于深度學(xué)習(xí)的航空發(fā)動(dòng)機(jī)剩余壽命預(yù)測方法。
10.一種電子設(shè)備，其特征在于，包括：
...【技術(shù)特征摘要】
1.一種基于深度學(xué)習(xí)的航空發(fā)動(dòng)機(jī)剩余壽命預(yù)測方法，其特征在于，包括：
2.如權(quán)利要求1所述的基于深度學(xué)習(xí)的航空發(fā)動(dòng)機(jī)剩余壽命預(yù)測方法，其特征在于，所述預(yù)處理包括特征選擇和標(biāo)準(zhǔn)化處理；
3.如權(quán)利要求1所述的基于深度學(xué)習(xí)的航空發(fā)動(dòng)機(jī)剩余壽命預(yù)測方法，其特征在于，所述根據(jù)航空發(fā)動(dòng)機(jī)的運(yùn)行特點(diǎn)對數(shù)據(jù)集進(jìn)行標(biāo)簽化，將數(shù)據(jù)集中的數(shù)據(jù)分為正常運(yùn)行階段數(shù)據(jù)和壽命退化階段數(shù)據(jù)，包括：
4.如權(quán)利要求1～3任一所述的基于深度學(xué)習(xí)的航空發(fā)動(dòng)機(jī)剩余壽命預(yù)測方法，其特征在于，所述基于圖注意力機(jī)制的多尺度卷積特征提取模塊包括3個(gè)不同尺寸的并行的卷積塊和圖注意力機(jī)制；
5.如權(quán)利要求1～3任一所述的基于深度學(xué)習(xí)的航空發(fā)動(dòng)機(jī)剩余壽命預(yù)測方法，其特征在于，所述融合特征注意力機(jī)制的gru模塊為雙層的gru網(wǎng)絡(luò)結(jié)構(gòu)，在第一個(gè)gru之后引入特征注意力機(jī)制，通過特征注意力機(jī)制結(jié)合gru中前序時(shí)刻隱藏狀態(tài)ht-1中保留的歷史運(yùn)行數(shù)...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：周謐，劉婉琳，程八一，陸少軍，錢曉飛，
申請(專利權(quán))人：合肥工業(yè)大學(xué)，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會(huì)獲得科技券。