CN108763150A - 一种发动机故障检测方法 - Google Patents

Abstract

本发明公开一种发动机的故障检测方法，包括步骤1：收集正常装填样本数据，用于初始化滑动数据窗口。并选定选定滑动窗口长度为ω，移动步长为h，置累机数i＝0；步骤2：计算窗口数据的均值和方差，对滑动窗的数据进行处理；步骤3：采集一个新的数据x_new，并按照步骤2的方法对新数据进行标准化处理；步骤4：对标准化的数据x_new∈R^m,计算其内核向量k∈Rⁿ；步骤5：处理后的新数据x_new内核向量进行均值中心化处理步骤5：提取新数据x_new非线性主元t_k；步骤6：计算新数据x_new的统计量T²和SPE；步骤7：监控统计量T²和SPE是否超过正常状态的控制限T_α ²和SPE_α。能更早、更迅速地检测潜在的故障。

Description

一种发动机故障检测方法

技术领域

本发明属于发动机技术领域，涉及一种发动机故障检测方法。

背景技术

航空发动机是一种高度复杂和精密的热力机械，为航空器提供飞行所需动力的发动机。作为飞机的心脏，被誉为“工业之花”，它直接影响飞机的性能、可靠性及经济性，是一个国家科技、工业和国防实力的重要体现。

航空发动机随着使用时间的增长，由于磨损和老化、原材料的变化和传感器的偏移等，发动机的工作参数是缓慢时变的，其均值和方差在正常的运行情况下会随时间漂移。同发生故障情况相比，这种漂移是缓慢的，并属于发动机正常运行情况，但是会随时间累积逐步影响模型的精度，因此，对航空发动机进行连续漂移的检测是非常重要的。

发明内容

本发明的目的在于提供一种发动机的故障检测方法，对发动机的检测信息准确，精度高。

本发明所采用的技术方案是：一种发动机故障检测方法，具体包括以下步骤：

步骤1：收集正常装填样本数据，用于初始化滑动数据窗口。并选定选定滑动窗口长度为ω，移动步长为h，置累机数i＝0；

步骤2：计算窗口数据的均值和方差，对滑动窗的数据进行标准化处理；

步骤3：采集一个新的数据x_new，并按照步骤2的方法对新数据进行标准化处理；

步骤4：对标准化的数据x_new∈R^m,计算其内核向量k∈Rⁿ；

步骤5：处理后的新数据x_new内核向量进行均值中心化处理

步骤5：提取新数据x_new非线性主元t_k；

步骤6：计算新数据x_new的统计量T²和SPE；

步骤7：监控统计量T²和SPE是否超过正常状态的控制限T_α ²和SPE_α。

本发明的特点还在于，

步骤7中，若T²和SPE没有超标，则认为新采集的样本x_new为正常状态的样本，并执行累加操作i＝i+1。

步骤7中，若T²和SPE超标，则认为新采集的样本x_new为故障样本，不执行累加操作。

步骤中7，连续y次新采集的数据均为正常状态下的样本数据，则更新数据窗口，窗口向前移动n个步长，把y次新采集的样本实测数据加入到正常样本集中；同时，为保持窗口长度不变，需从原窗口的ω正常样本中去掉y个旧样本，至此，正常样本集得到更新，然后置i＝0，重复步骤2；如果累积数i＜y，则窗口不移动，正常样本集不改变，模型不更新，重复步骤3～步骤7继续进行检测。

本发明的有益效果是：本发明的通过不断加入实测数据，从而使得建模样本数据库不断得到更新，每次更新时，不仅统计量与静态模型的不一样，而且其统计量的控制限也发生了变化，两者结合最终使得检测模型可以适应发动机的性能变化。本发明发动机故障检测方法，能更早、更迅速地检测潜在的故障；另一方面提高故障检测准确率，有助于减少误报警。

具体实施方式

下面具体实施方式对本发明进行详细说明。

本发明提供了一种发动机故障检测方法，具体包括以下步骤：

步骤1：收集正常装填样本数据，用于初始化滑动数据窗口。并选定选定滑动窗口长度为ω，移动步长为h，置累机数i＝0；

步骤2：计算窗口数据的均值和方差，对滑动窗的数据进行标准化处理；

步骤3：采集一个新的数据x_new，并按照步骤2的方法对新数据进行标准化处理；

步骤4：对标准化的数据x_new∈R^m,计算其内核向量k∈Rⁿ；

步骤5：处理后的新数据x_new内核向量进行均值中心化处理

步骤5：提取新数据x_new非线性主元t_k；

步骤6：计算新数据x_new的统计量T²和SPE；

步骤7：监控统计量T²和SPE是否超过正常状态的控制限T_α ²和SPE_α。

步骤7中，若T²和SPE没有超标，则认为新采集的样本x_new为正常状态的样本，并执行累加操作i＝i+1。

步骤7中，若T²和SPE超标，则认为新采集的样本x_new为故障样本，不执行累加操作。

步骤中7，连续y次新采集的数据均为正常状态下的样本数据，则更新数据窗口，窗口向前移动n个步长，把y次新采集的样本实测数据加入到正常样本集中；同时，为保持窗口长度不变，需从原窗口的ω正常样本中去掉y个旧样本，至此，正常样本集得到更新，然后置i＝0，重复步骤2；如果累积数i＜y，则窗口不移动，正常样本集不改变，模型不更新，重复步骤3～步骤7继续进行检测。

实施例一

采用某台工作125次，工作时间为130h的发动机飞参记录数据进行了检验。该发动机的使用状况是在装机工作第55h，加力喷口调节器故障；而在其故障前的一段时间内，由于调节器的有关工作参数已出现漂移，导致发动机的有关参数也偏离正常值，故该段时间内发动机实际上已处于异常工作状态；在第55h之后由于更换了调节器，发动机性能恢复正常。

采用统计量T²和SPE监控的结果，根据表1统计量控制线的置信度为99％，采用统计量T²和SPE能更早地快速、检测到偏移量和故障，提高了故障检测准确率，有助于减少误报警。

表1

通过上述方式，本发明的一种发动机故障检测方法，通过不断加入实测数据，从而使得建模样本数据库不断得到更新，每次更新时，不仅统计量与静态模型的不一样，而且其统计量的控制限也发生了变化，两者结合最终使得检测模型可以适应发动机的性能变化。本发明发动机故障检测方法，能更早、更迅速地检测潜在的故障；另一方面提高故障检测准确率，有助于减少误报警。

Claims (4)

1.一种发动机故障检测方法，其特征在于，具体包括以下步骤：

步骤1：收集正常装填样本数据，用于初始化滑动数据窗口，并选定滑动窗口长度为ω，移动步长为h，置累机数i＝0；

步骤2：计算窗口数据的均值和方差，对滑动窗的数据进行标准化处理；

步骤3：采集一个新的数据x_new，并按照步骤2的方法对新数据进行标准化处理；

步骤4：对标准化的数据x_new∈R^m,计算其内核向量k∈Rⁿ；

步骤5：处理后的新数据x_new内核向量进行均值中心化处理

步骤5：提取新数据x_new非线性主元t_k；

步骤6：计算新数据x_new的统计量T²和SPE；

步骤7：监控统计量T²和SPE是否超过正常状态的控制限T_α ²和SPE_α。

2.如权利要求1所述的一种发动机故障检测方法，其特征在于，所述步骤7中，若T²和SPE没有超标，则认为新采集的样本x_new为正常状态的样本，并执行累加操作i＝i+1。

3.如权利要求1所述的一种发动机故障检测方法，其特征在于，所述步骤7中，若T²和SPE超标，则认为新采集的样本x_new为故障样本，不执行累加操作。

4.如权利要求2所述的一种发动机故障检测方法，其特征在于，所述步骤7，连续y次新采集的数据均为正常状态下的样本数据，则更新数据窗口，窗口向前移动n个步长，把y次新采集的样本实测数据加入到正常样本集中；同时，为保持窗口长度不变，需从原窗口的ω正常样本中去掉y个旧样本，至此，正常样本集得到更新，然后置i＝0，重复步骤2；如果累积数i＜y，则窗口不移动，正常样本集不改变，模型不更新，重复步骤3～步骤7继续进行检测。