一種基于工況識別和相似性匹配的變工況下航空發(fā)動(dòng)機(jī)整機(jī)剩余壽命預(yù)測方法
【專利摘要】本發(fā)明提出了一種基于工況識別和相似性匹配的變工況下航空發(fā)動(dòng)機(jī)整機(jī)剩余壽命預(yù)測方法，該方法著力解決復(fù)雜的工況變化掩蓋航空發(fā)動(dòng)機(jī)真實(shí)性能退化趨勢致使整機(jī)剩余壽命難于預(yù)測這個(gè)問題，包括如下步驟：首先，識別航空發(fā)動(dòng)機(jī)的運(yùn)行工況；其次，對不同工況下的歷史退化數(shù)據(jù)進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化；再次，對標(biāo)準(zhǔn)化后的數(shù)據(jù)進(jìn)行傳感器選擇和參數(shù)維度約減；接著，使用相似性匹配方法匹配每一臺參考發(fā)動(dòng)機(jī)和待預(yù)測發(fā)動(dòng)機(jī)的退化軌跡，獲得待預(yù)測發(fā)動(dòng)機(jī)的剩余壽命估計(jì)值和兩者之間的相似性距離；最后，通過相似性距離生成加權(quán)權(quán)重，加權(quán)這些壽命估計(jì)以獲得待預(yù)測發(fā)動(dòng)機(jī)的剩余壽命。經(jīng)驗(yàn)證，本發(fā)明對不同的發(fā)動(dòng)機(jī)測試樣本均具有較高的壽命預(yù)測精度。
【專利說明】
-種基于工況識別和相似性匹配的變工況下航空發(fā)動(dòng)機(jī)整機(jī) 剩余壽命預(yù)測方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明設(shè)及航空發(fā)動(dòng)機(jī)剩余壽命預(yù)測的技術(shù)領(lǐng)域，具體設(shè)及一種基于工況識別和 相似性匹配的變工況下航空發(fā)動(dòng)機(jī)整機(jī)剩余壽命預(yù)測方法。
【背景技術(shù)】
[0002] 目前我國航空業(yè)正處于蓬勃發(fā)展階段，但依然存在維護(hù)和維修成本高等問題。作 為飛機(jī)核屯、動(dòng)力源的航空發(fā)動(dòng)機(jī)，是一種安全和可靠性要求極高，設(shè)計(jì)生產(chǎn)和維修保養(yǎng)花 費(fèi)極大的大型復(fù)雜設(shè)備。資料顯示，自1963年至1975年期間，美國空軍的戰(zhàn)斗機(jī)共發(fā)生了飛 行事故3824起，其中由于發(fā)動(dòng)機(jī)原因?qū)е碌氖鹿视?664起，占到總數(shù)的43.5%;自1994年至 2000年世界航空運(yùn)輸機(jī)事故共279,其中因發(fā)動(dòng)機(jī)的故障導(dǎo)致飛行事故約20%，因此作為飛 機(jī)屯、臟的發(fā)動(dòng)機(jī)的維修是航空安全保障的重點(diǎn)。世界范圍內(nèi)航空公司每年大致花費(fèi)31億美 元用于飛機(jī)維修，其中用于航空發(fā)動(dòng)機(jī)的維修費(fèi)用約占總費(fèi)用的30%，因此需要不斷發(fā)展 與改進(jìn)現(xiàn)有的航空發(fā)動(dòng)機(jī)健康管理技術(shù)和維修策略，W減少飛行事故的發(fā)生并削減維修花 費(fèi)。隨著傳感器及監(jiān)測技術(shù)的迅速發(fā)展，在航空發(fā)動(dòng)機(jī)的使用過程中，積累了大量與壽命信 息相關(guān)的性能監(jiān)測數(shù)據(jù)，采用運(yùn)類性能退化數(shù)據(jù)對高可靠和長壽命設(shè)備進(jìn)行壽命預(yù)測成為 發(fā)展趨勢。
[0003] 當(dāng)前，國內(nèi)對航空發(fā)動(dòng)機(jī)壽命預(yù)測的研究還停留在單個(gè)零部件或滑油系統(tǒng)上，針 對航空發(fā)動(dòng)機(jī)整機(jī)剩余壽命預(yù)測的研究基本沒有，并且現(xiàn)有研究都是基于單工況假設(shè)下進(jìn) 行的。然而，航空發(fā)動(dòng)機(jī)常工作在復(fù)雜多變的工況環(huán)境下，變化的工況掩蓋了系統(tǒng)真實(shí)的性 能退化趨勢，在此情況下現(xiàn)存的技術(shù)方法不能進(jìn)行準(zhǔn)確的剩余壽命預(yù)計(jì)。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于:針對變工況下航空發(fā)動(dòng)機(jī)整機(jī)剩余壽命難于預(yù)測的問題，提 出一種基于工況識別和相似性匹配的變工況下航空發(fā)動(dòng)機(jī)整機(jī)剩余壽命預(yù)測方法。
[0005] 本發(fā)明采用的技術(shù)方案為:一種基于工況識別和相似性匹配的變工況下航空發(fā)動(dòng) 機(jī)整機(jī)剩余壽命預(yù)測方法，其特征在于：
[0006] (1)基于K均值聚類的航空發(fā)動(dòng)機(jī)工況識別方法，識別系統(tǒng)在不同時(shí)刻所處的工況 后將不同工況下的數(shù)據(jù)標(biāo)準(zhǔn)化到統(tǒng)一的參數(shù)空間；
[0007] (2)為最大限度的挖掘和借鑒參考發(fā)動(dòng)機(jī)退化軌跡的衰退規(guī)律，通過時(shí)間定位和 時(shí)間尺度伸縮最優(yōu)地匹配待預(yù)測發(fā)動(dòng)機(jī)與參考發(fā)動(dòng)機(jī)的性能退化軌跡；
[000引（3)將參考發(fā)動(dòng)機(jī)伸縮后軌跡的剩余壽命作為待預(yù)測發(fā)動(dòng)機(jī)的剩余壽命估計(jì)，并 使用相似性距離加權(quán)運(yùn)些估計(jì)獲得待預(yù)測發(fā)動(dòng)機(jī)的剩余壽命。
[0009] 本發(fā)明與現(xiàn)有技術(shù)相比的優(yōu)點(diǎn)在于：
[0010] (1)、本發(fā)明通過工況識別方法解決了航空發(fā)動(dòng)機(jī)壽命預(yù)測領(lǐng)域目前尚未很好解 決、而實(shí)際中常常存在的變工況問題；
[0011] (2)、本發(fā)明提出時(shí)間定位和時(shí)間尺度伸縮來最大化地匹配參考發(fā)動(dòng)機(jī)軌跡與待 預(yù)測發(fā)動(dòng)機(jī)軌跡，提高了歷史全壽命數(shù)據(jù)在預(yù)測中的參考價(jià)值，算法具有較高的預(yù)測精度；
[0012] (3)、本發(fā)明借鑒集成學(xué)習(xí)中的某些思想，對待預(yù)測發(fā)動(dòng)機(jī)壽命進(jìn)行多次預(yù)測后加 權(quán)集成獲得待預(yù)測的壽命，算法穩(wěn)健性好，抗干擾能力強(qiáng)。
【附圖說明】
[0013] 圖1為變工況下航空發(fā)動(dòng)機(jī)整機(jī)剩余壽命預(yù)測流程圖；
[0014] 圖2為K均值聚類流程圖；
[0015] 圖3為工況識別流程圖；
[0016] 圖4為變工況工作示意圖；
[0017] 圖5為多工況下的退化特性融合示意圖，其中，圖5(a)為坐標(biāo)平移示意圖，圖5(b) 為尺度伸縮示意圖；
[0018] 圖6為多工況數(shù)據(jù)標(biāo)準(zhǔn)化流程圖；
[0019] 圖7為時(shí)間定位示意圖；
[0020] 圖8為伸縮匹配原理圖，其中，圖8(a)為時(shí)間尺度伸縮原理圖，圖8(b)為最優(yōu)匹配 示意圖；
[0021 ]圖9為滿輪風(fēng)扇發(fā)動(dòng)機(jī)氣路部件簡圖；
[0022] 圖10為工況聚類圖；
[0023] 圖11為傳感器1，2和3標(biāo)準(zhǔn)化前后的退化數(shù)據(jù)對比（訓(xùn)練集1#發(fā)動(dòng)機(jī)），其中，圖11 (a)為標(biāo)準(zhǔn)化前的退化數(shù)據(jù)，圖11(b)為標(biāo)準(zhǔn)化之后的退化數(shù)據(jù)。
[0024] 圖12為維度約減后的性能退化軌跡(訓(xùn)練集1#發(fā)動(dòng)機(jī)）；
[0025] 圖13為測試集1#發(fā)動(dòng)機(jī)的3個(gè)壽命估計(jì)值，其中，圖13(a)為使用訓(xùn)練集1#發(fā)動(dòng)機(jī) 的估計(jì)結(jié)果，圖13(b)為使用訓(xùn)練集2#發(fā)動(dòng)機(jī)的估計(jì)結(jié)果，圖13(c)為使用訓(xùn)練集3#發(fā)動(dòng)機(jī) 的估計(jì)結(jié)果。
【具體實(shí)施方式】
[0026] 下面結(jié)合附圖W及【具體實(shí)施方式】進(jìn)一步說明本發(fā)明。
[0027] 如圖1所示，基于工況識別和相似性匹配的變工況下航空發(fā)動(dòng)機(jī)整機(jī)剩余壽命預(yù) 測方法，具體步驟如下：
[002引 1工況識別
[0029] 復(fù)雜的工況變化常常掩蓋航空發(fā)動(dòng)機(jī)的性能退化，為還原真實(shí)的退化趨勢，采用 先辨識各狀態(tài)的工況，然后進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化的策略。本發(fā)明采用K均值聚類算法對工況參數(shù) 進(jìn)行聚類和分類，從而辨識出系統(tǒng)所處各個(gè)狀態(tài)的運(yùn)行工況信息。在數(shù)據(jù)挖掘中，K均值聚 類算法應(yīng)用廣泛，是經(jīng)典聚類算法之一。
[0030] 設(shè)X=陸，X2, . . .，Xn}為已知數(shù)據(jù)集，X中的Xl，X2, . . .，Xn是n個(gè)數(shù)據(jù)對象并且每個(gè) 數(shù)據(jù)對象都是N維的，即Xi= (Xii，Xi2, ...，XinKK均值聚類算法就是要找到含有K個(gè)聚類中 屯、的集合C= (Cl ,〇2 , . . . ,Ck} = { (C11 , C12 , . . . , C1N) , (C21 , C22 , . . . , C2N) , . . . , (CK1 , CK2 ,..., CKN)}使得目標(biāo)函數(shù)：
[0031]
(I)
[0032] 其中，m被歸為類Cl的數(shù)據(jù)對象點(diǎn)數(shù)，d(Ci，、)表示聚類中屯、與數(shù)據(jù)對象的歐幾里 德距離，巧巧女化下：
[0033]
(2)
[0034] K均值聚類算法的核屯、思想是把數(shù)據(jù)集劃分成使目標(biāo)函數(shù)達(dá)到最小值的K個(gè)類。具 體步驟如圖2所示。
[0035] 針對訓(xùn)練集數(shù)據(jù)通過聚類得到各個(gè)工況的聚類中屯、和半徑。對于測試數(shù)據(jù)首先計(jì) 算實(shí)時(shí)工況參數(shù)與各個(gè)聚類中屯、的距離，距離較近者即為該工況。工況識別的流程如圖3所 /J、- O
[0036] 2數(shù)據(jù)標(biāo)準(zhǔn)化
[0037] 復(fù)雜系統(tǒng)運(yùn)行在變工況下時(shí)，由于測量尺度的不一致性，狀態(tài)特征監(jiān)測數(shù)據(jù)并不 能真實(shí)反映出系統(tǒng)的退化趨勢。如圖4所示，假設(shè)隨著系統(tǒng)的退化，系統(tǒng)的某個(gè)特征參數(shù)是 呈下降趨勢的，3條實(shí)線(紅、黃、藍(lán))展示了系統(tǒng)在巧中運(yùn)行工況下不同退化的曲線。情況1曲 線(一種包含多個(gè)工況的運(yùn)行模式)是上下波動(dòng)的，完全不能反映出系統(tǒng)隨著時(shí)間的真實(shí)退 化趨勢;情況2曲線在一定程度上反映了系統(tǒng)的退化趨勢，但是是虛假的、不真實(shí)的；情況3 曲線表象地完全呈現(xiàn)了與真實(shí)退化完全相反的趨勢。
[0038] 為實(shí)現(xiàn)壽命預(yù)測的目的，需要采用數(shù)據(jù)處理方法，將工況造成的系統(tǒng)監(jiān)測特征數(shù) 據(jù)的不同尺度特征去掉，使不同工況特征之間具有可比性、呈現(xiàn)一致的退化特征。直觀的， 就是將圖4中所示的3種不同工況下的退化曲線合并（融合映射巧Ij 一起，如圖5所示。至此， 不同運(yùn)行工況下的特征數(shù)據(jù)被轉(zhuǎn)化到了同一個(gè)尺度之下，具有切實(shí)的可比性，并能反映出 系統(tǒng)的退化趨勢。從圖形上看，將=種工況合并的兩個(gè)核屯、步驟是：首先，將=條曲線的重 屯、移到一起(與X軸重合）；其次，對坐標(biāo)平移后的數(shù)據(jù)進(jìn)行尺度縮放，歸一化到一個(gè)可比的 特征空間。
[0039] 多工況數(shù)據(jù)標(biāo)準(zhǔn)化方法是使用特征層預(yù)測方法預(yù)測剩余壽命時(shí)的預(yù)處理環(huán)節(jié)。使 用該方法，不同工況模式下的數(shù)據(jù)的N個(gè)特征將被分別標(biāo)準(zhǔn)化到一個(gè)標(biāo)定的范圍，然后形成 一個(gè)與原始數(shù)據(jù)特征維數(shù)相同的新的腺隹時(shí)間序列。圖6展示了多工況數(shù)據(jù)標(biāo)準(zhǔn)化的流程。
[0040] 本發(fā)明采用正態(tài)標(biāo)準(zhǔn)化(Z-Score)方法將多工況特征數(shù)據(jù)標(biāo)準(zhǔn)化。令在時(shí)刻ti的 工況參數(shù)為111，性能狀態(tài)參數(shù)化，合在一起構(gòu)成系統(tǒng)的狀態(tài)參數(shù)集(1：1，111，義〇4 = 1，2，..，]1。 每個(gè)系統(tǒng)狀態(tài)都將被聚類到P個(gè)工況模式Op之一中，因而形成性能狀態(tài)樣本子集lx} W = Ixi UiG〇p}，i = l，2，..，化，p = l，2，. .，P。每個(gè)工況模式的樣本均值和樣本標(biāo)準(zhǔn)差為：
[0041]
(3)
[0042] 對屬于工況P的化個(gè)狀態(tài)參數(shù)向量進(jìn)行標(biāo)準(zhǔn)化：
[0043]
(4)
[0044] 式中，np為屬于工況P的數(shù)據(jù)狀態(tài)數(shù)，N為性能參數(shù)維度。
[0045] 該標(biāo)準(zhǔn)化方法假定在任一使用循環(huán)中，每一個(gè)工況發(fā)生的概率相等，W確保在同 一運(yùn)行工況下計(jì)算得到的樣本均值和標(biāo)準(zhǔn)差是給定工況模式下特征均值和標(biāo)準(zhǔn)差的無偏 估計(jì)。最后，合并不同工況模式下的標(biāo)準(zhǔn)化狀態(tài)參數(shù)得到系統(tǒng)退化N維狀態(tài)時(shí)間序列Y = {yi,Y2,. ..,yn}〇
[0046] 3狀態(tài)參數(shù)維度約減
[0047] 高維狀態(tài)監(jiān)測參數(shù)通常很難處理或處理時(shí)計(jì)算量較大，實(shí)際中通常需要對其進(jìn)行 數(shù)據(jù)維度的約減。主成分分析(PCAiPrinciple Component Analysis)是應(yīng)用最廣泛的一種 降維方法之一，是一種統(tǒng)計(jì)學(xué)方法，在信號處理、模式識別、數(shù)字圖像處理等領(lǐng)域已經(jīng)得到 了廣泛的應(yīng)用。主成分分析方法基本思想是提取出空間原始數(shù)據(jù)中的主要特征（主元），減 少數(shù)據(jù)冗余，使得數(shù)據(jù)在一個(gè)低維的特征空間被處理，同時(shí)保持原始數(shù)據(jù)的絕大部分的信 息，從而解決數(shù)據(jù)空間維數(shù)過高的瓶頸問題。
[004引設(shè)航空發(fā)動(dòng)機(jī)退化狀態(tài)矩陣為X，其列向量Xk=(Xlk，X2k，. . .，xnk)%n維狀態(tài)參數(shù)， 發(fā)動(dòng)機(jī)的某一性能狀態(tài)可由Xk描述，Xk的協(xié)方差矩陣為：
[0049]
(5)
[0化0]式中，N為退化狀態(tài)的采樣數(shù)，玄為各狀態(tài)參數(shù)的均值：
[0化1]
(6)
[0052]求解Rx的全部特征值、Q = I，2, ...，n)和特征向量Vi,將特征值、按照從大到小 的順序排列:MH2〉. . .Hn,則對應(yīng)的特征向量為ViQ = I，2, ..，n)。樣本Xi投影到特征向量 Vi得到該方向?qū)?yīng)的主分量為：
[005；3]
(7)
[0054]所有的特征向量張成一個(gè)n維正交空間，X投影到該正交空間得到相應(yīng)的n維主分 量。特征向量所對應(yīng)的特征值越大，它在重構(gòu)時(shí)的貢獻(xiàn)也越大，特征值越小的特征向量在重 構(gòu)時(shí)的貢獻(xiàn)就越小。設(shè)正交空間中前m個(gè)主分量為yi，y2,...，ym，其累計(jì)方差貢獻(xiàn)率為：
[0 化 5]
(8)
[0056]當(dāng)前面少數(shù)幾個(gè)主分量的累計(jì)方差貢獻(xiàn)率足夠大，如h(m)〉95%，即95% W上的原 始數(shù)據(jù)信息保留在前面幾個(gè)主分量中，可只取前m(m<n)個(gè)主分量來表征原始信息，在保證 信息完整的情況下，達(dá)到數(shù)據(jù)降維的目的。
[0化7] 4相似性匹配
[005引 （1)時(shí)間定位
[0059] 如圖7所示，由于不知道待預(yù)測發(fā)動(dòng)機(jī)軌跡起點(diǎn)的位置，首先需要進(jìn)行待預(yù)測軌跡 的時(shí)間定位，找到參考軌跡中與待預(yù)測軌跡初始狀態(tài)參數(shù)最接近的時(shí)間點(diǎn)。然后將兩個(gè)軌 跡從該時(shí)間點(diǎn)截?cái)?，取截?cái)帱c(diǎn)后的兩個(gè)軌跡進(jìn)行后續(xù)的進(jìn)一步匹配計(jì)算。設(shè)L臺參考發(fā)動(dòng)機(jī) 的全壽命循環(huán)數(shù)分別為{1C}，i = l，2, ...，L，待預(yù)測發(fā)動(dòng)機(jī)的采樣點(diǎn)數(shù)為no,將待預(yù)測發(fā)動(dòng) 軌跡與各參考發(fā)動(dòng)機(jī)進(jìn)行時(shí)間定位得到一個(gè)集合{Ho}，i = l，2,...，L。
[0060] (2)時(shí)間尺度伸縮匹配
[0061] 如圖8(a)所示，令離散函數(shù)x(t)，t = 0，l, . . .，m和y(t)，t = 0，l, . . .，n分別表示參 考發(fā)動(dòng)機(jī)和待預(yù)測發(fā)動(dòng)機(jī)的退化軌跡。兩個(gè)軌跡需要滿足W下條件：（A)相同的起點(diǎn)；（B)自 變量為正整數(shù)。
[0062] 首先，用一個(gè)因子A去伸展或壓縮x(t)的時(shí)間尺度，得到一個(gè)臨時(shí)軌跡x'（t)=x(A t)，t = 0，lA，. . .，mA;AGr。由于臨時(shí)軌跡的采樣點(diǎn)不符合整數(shù)采樣要求，使用PCHIP插 值算法插值序列x'（t)從而獲得一個(gè)新軌跡x"(t)，t = 0，l,. . .，[mA]。
[0063] PCHIP算法具體為:令a = xo<:?a<. . .<xn = b為區(qū)間I = [a,b]的一個(gè)劃分，fk，k = 0, 1，. .，n為劃分點(diǎn)的函數(shù)值，令hk=xk+i-xk，pk = f'（xk)JCHIP函數(shù)Ih(X)滿足如下限制：
[0064] A.定義域?yàn)镮 = [a，b];
[0065] B.在每個(gè)子區(qū)間Ik=[祉，祉+1]化=0，1，...，11-1)，14^)可^用一個(gè)；次樣條多項(xiàng) 式等式Ik(X)表示；
[0066] C.插值條件：Ih(xk)=fk，Ih'（xk)=pk;(k = 0,l,2,...,n)。
[0067] 在每個(gè)子區(qū)間[Xk，祉+1 ]，PCHIP函數(shù)可表示為：
[006引 Ik(X) =fk+Ck,l(X-Xk)+Ck,2(X-Xk)2+Ck,3(X-Xk)3 (9)
[0069] 式中；
[0070]
(10)
[0071] 接著，定義一個(gè)相似性距離去量化x"(t)和y(t)之間的相似性：
[0072]
'IP
[0073] 式中，a是一個(gè)0-1之間的平滑參數(shù)。在本發(fā)明中，a = 〇.98。因?yàn)榻跁r(shí)間點(diǎn)對未來 退化具有更為重要的影響，因而通過
^距當(dāng)期時(shí)刻較近的時(shí)間點(diǎn)分配更大的 權(quán)重。[?]表示取整算子。
[0074] 如圖8(b)所示，隨著伸縮因子A的變化，相似性距離隨之變化。顯然運(yùn)是一個(gè)凸優(yōu) 化問題，也就是說存在一個(gè)最優(yōu)的^DPt是相似性距離化(x(t)，y(t))最小。最優(yōu)函數(shù)值被定 義為最優(yōu)匹配距離Dom。
[00 巧]
U2)
[0076] 式中，DA(x(t)，y(t))為式（11)定義的相似性距離。
[0077] 5集成加權(quán)
[007引L臺參考發(fā)動(dòng)機(jī)在時(shí)間定位點(diǎn)之后的壽命分別記為{iM}，1 = 1，2, . . .，L，其為：
[0079] Im=Ic-Ho,1 = 1,2, . . . ,L (13)
[0080] 式中，Ic為第1個(gè)參考發(fā)動(dòng)機(jī)的全壽命，Ho為待預(yù)測發(fā)動(dòng)機(jī)與第1個(gè)參考發(fā)動(dòng)機(jī)的 時(shí)間定位位置。
[0081] 通過相似性匹配，得到L個(gè)最優(yōu)伸縮因子和最優(yōu)匹配距離{iADpt，iD〇M}，l = l， 2,...，L，通過最優(yōu)伸縮因子計(jì)算L個(gè)待預(yù)測發(fā)動(dòng)機(jī)的剩余壽命估計(jì)值：
[0082] Ir=I入。Pt ? iM-n〇，l = l，2, . . .，L (14)
[008引式中，no為待預(yù)測發(fā)動(dòng)機(jī)的數(shù)據(jù)點(diǎn)數(shù)，iAopt為最優(yōu)匹配因子。
[0084] 至此，得至化個(gè)相似性距離和對應(yīng)的L個(gè)抓L估計(jì)值，用集合{1d〇m，1R}，1 = 1，2,...， L來表示。為獲取待預(yù)測發(fā)動(dòng)機(jī)的剩余壽命，通過相似性距離生成相似性權(quán)重。
r U5)
[0085]
[0086] 式中，Is是第1個(gè)參考發(fā)動(dòng)機(jī)的相似性的分，其夫
[0087] 加權(quán)集成的目的是集成多個(gè)壽命估計(jì)最終獲得待預(yù)測發(fā)動(dòng)機(jī)的壽命。最簡單的集 成方法是加權(quán)和，待預(yù)測發(fā)動(dòng)機(jī)RUL的點(diǎn)估計(jì)為：
[008引
（16)
[0089] 實(shí)驗(yàn)驗(yàn)證
[0090] 本發(fā)明使用美國航空航天局NASA提供的滿扇發(fā)動(dòng)機(jī)數(shù)據(jù)集的化taset 2(包括測 試集、訓(xùn)練集）對提出的預(yù)測方法進(jìn)行有效性驗(yàn)證。該數(shù)據(jù)集由C - M A P S S (C O m m e r C i a 1 Modular Aero-propulsion System Simulation)大型滿輪風(fēng)扇發(fā)動(dòng)機(jī)仿真模型得到。模型 通過14個(gè)參數(shù)的輸入來模擬包括風(fēng)扇、低壓壓氣機(jī)、高壓壓氣機(jī)、高壓滿輪、低壓滿輪(Fan, LPC，HPC，HPT，LPT)在內(nèi)的五大旋轉(zhuǎn)部件失效影響和退化過程，發(fā)動(dòng)機(jī)仿真模型主要部件簡 圖如圖9所示。
[0091] 數(shù)據(jù)由發(fā)動(dòng)機(jī)不同運(yùn)行循環(huán)時(shí)間點(diǎn)的3個(gè)工況參數(shù)(飛行高度、飛行馬赫數(shù)和油口 桿角度)21個(gè)傳感器監(jiān)測的性能參數(shù)組成。傳感器監(jiān)測值是針對研究模塊，通過發(fā)動(dòng)機(jī)熱動(dòng) 力仿真模型獲取，且包含噪聲。訓(xùn)練數(shù)據(jù)包括多組獨(dú)立同一單元的多元時(shí)間序列樣本，反映 了每個(gè)單元從初始到失效的全壽命周期的變化過程。每個(gè)部件的初始時(shí)刻的退化情況是隨 機(jī)且未知的，是否發(fā)生退化W及退化程度不同，隨著發(fā)動(dòng)機(jī)的運(yùn)行，當(dāng)性能降級到一個(gè)闊值 的后整個(gè)系統(tǒng)發(fā)生失效。用于衡量發(fā)動(dòng)機(jī)性能狀態(tài)的21個(gè)監(jiān)測參數(shù)值如表1所示。
[0092] 表1模型輸入?yún)?shù) 「nnno1

[0097] I)工況識別
[0098] 使用訓(xùn)練集數(shù)據(jù)通過K均值聚類得到6個(gè)工況的聚類中屯、和半徑分別如表3所示， 工況聚類圖如圖10所示。對于測試數(shù)據(jù)首先計(jì)算實(shí)時(shí)工況參數(shù)與6個(gè)聚類中屯、的距離，距離 最近者即判為該工況。
[0099] 表3聚類中屯、和半徑
[0100]
[0101] 2)變工況數(shù)據(jù)標(biāo)準(zhǔn)化
[0102] 即使是同一種狀態(tài)監(jiān)測參數(shù)，不同工況下的數(shù)據(jù)不具有可比性，使用本發(fā)明提出 的方法對各工況數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，去除工況的干擾信息，訓(xùn)練集1#發(fā)動(dòng)機(jī)的傳感器1，2 和3標(biāo)準(zhǔn)化前后的數(shù)據(jù)如圖11所示。
[0103] 從圖11可W看出，傳感器2和3的監(jiān)測參數(shù)在標(biāo)準(zhǔn)化后呈現(xiàn)出了一定的趨勢性，而 傳感器1仍然沒有明顯的退化趨勢，說明傳感器1完全不能表征任何系統(tǒng)的退化信息。因此， 接下來要進(jìn)行參數(shù)的的選擇或降維，去除沒有趨勢性的傳感器參數(shù)，并對有趨勢的參數(shù)進(jìn) 行維度的約減。
[0104] 3)多元參數(shù)維度約減
[0105] 訓(xùn)練集1#發(fā)動(dòng)機(jī)狀態(tài)參數(shù)維度約減后的軌跡如圖12所示。
[0106] 4)相似性匹配計(jì)算
[0107] 用訓(xùn)練集1#、2#、3#發(fā)動(dòng)機(jī)對測試集1#發(fā)動(dòng)機(jī)進(jìn)行剩余壽命估計(jì)的估計(jì)結(jié)果如圖 13所示，其中測試機(jī)1#發(fā)動(dòng)機(jī)的真實(shí)剩余壽命為18個(gè)循環(huán)。
[0108] 5)預(yù)測結(jié)果分析
[0109] 為驗(yàn)證所提出方法更多發(fā)動(dòng)機(jī)樣本的適用性，使用本發(fā)明所提出的方法對測試樣 本集中隨機(jī)選擇的10臺變工況下運(yùn)行的航空發(fā)動(dòng)機(jī)進(jìn)行算法的進(jìn)一步驗(yàn)證，預(yù)測結(jié)果如表 4所示。
[0110] 表4預(yù)測結(jié)果 「01111
[0112]從表4可知，本發(fā)明提出的航空發(fā)動(dòng)機(jī)整機(jī)剩余壽命預(yù)測方法的平均預(yù)測百分比 誤差為17%左右，對不同的發(fā)動(dòng)機(jī)樣本均具有較高的預(yù)測精度，提出的預(yù)測方法可為航空 發(fā)動(dòng)機(jī)的整機(jī)剩余壽命預(yù)測提供一個(gè)新的研究思路。
【主權(quán)項(xiàng)】
1. 一種基于工況識別和相似性匹配的變工況下航空發(fā)動(dòng)機(jī)整機(jī)剩余壽命預(yù)測方法，其 特征在于： (1) 基于K均值聚類的航空發(fā)動(dòng)機(jī)工況識別方法，識別系統(tǒng)在不同時(shí)刻所處的工況后將 不同工況下的數(shù)據(jù)標(biāo)準(zhǔn)化到統(tǒng)一的參數(shù)空間； (2) 為最大限度的挖掘和借鑒參考發(fā)動(dòng)機(jī)退化軌跡的衰退規(guī)律，通過時(shí)間定位和時(shí)間 尺度伸縮最優(yōu)地匹配待預(yù)測發(fā)動(dòng)機(jī)與參考發(fā)動(dòng)機(jī)的性能退化軌跡； (3) 將參考發(fā)動(dòng)機(jī)伸縮后軌跡的剩余壽命作為待預(yù)測發(fā)動(dòng)機(jī)的剩余壽命估計(jì)，并使用 相似性距離加權(quán)這些估計(jì)獲得待預(yù)測發(fā)動(dòng)機(jī)的剩余壽命。
【文檔編號】G06F17/50GK106021826SQ201610543483
【公開日】2016年10月12日
【申請日】2016年7月11日
【發(fā)明人】劉紅梅, 李連峰, 呂琛, 馬劍
【申請人】北京航空航天大學(xué)