CN113283315A - 一种多飞行状态直升机故障动态监测告警方法 - Google Patents

Abstract

本发明公开了一种多飞行状态直升机故障动态监测告警方法，对采集到的监测对象的信号进行预处理，滤除信号中的噪声；对降噪后的信号进行特征提取；将变化幅度超过最大幅值的10％时且与某个飞行参数的互相关系数大于设定值的特征认定为第二类特征，其他特征认为第一类特征；针对第一类特征、第二类特征分别构建动态阈值实现直升机动态监测告警，在降低虚警率的同时保持指示损伤极限的灵敏度。本发明所提供的方法通过基于飞行状态构建故障特征的动态阈值，实现了对直升机故障进行告警，并有效地降低固定阈值的虚警率，且其运算速度快能够有效实现直升机监控状态实时监控，为直升机健康管理提供决策依据。

Description

一种多飞行状态直升机故障动态监测告警方法

技术领域

本发明属于故障诊断与健康管理领域，特别涉及一种多飞行状态直升机故障动态监测告警方法。

背景技术

随着科学技术的发展和进步，直升机逐渐进入大众的视野。直升机依靠自身机动灵活、垂直起降、低空飞行和不受地面大小限制等特点，在军事和民用领域得到了广泛的应用，例如线路巡检、空中救援、精准施药、森林防火等。尽管直升机的出现给人类生活带来了极大的便利，但是越来越多的人们开始忽略它带来的安全问题。由于直升机依赖于动力传动系统来进行悬停、前进、后退、平转、侧转等操作，因此直升机传输的完整性对于直升机的安全性至关重要。直升机完好性与使用监测系统(Health and Usage Monitoring System,HUMS)是直升机稳定运行的重要保障。为了减少飞行事故的发生，实时监测直升机动部件的工作状态是HUMS的重要内容之一。

为了评估直升机的性能以及预测直升机是否会出现故障，需要为各个监测特征设置一个能够指示安全情况的标准阈值。在设置标准阈值时，往往需要在指示损伤极限的灵敏度和假警报的数量之间进行折中。如果降低标准阈值的限制，可能会导致检测到损伤的同时出现更多的假警报。如果提高标准阈值的限制，假警报可能会减少，但算法对损伤不太敏感。设置阈值常用的方法是在“正常”操作条件下收集基线数据，并将阈值设置为超过“正常”操作条件的值。

设置固定阈值在一定情况下可以实现故障的监测告警，但是在多飞行状态下飞机的飞行参数会发生剧烈变化，因此固定阈值很难平衡指示损伤极限的灵敏度和假警报的数量，往往会因为提升故障检测率而造成虚警数目急速上升，而降低虚警数目又会使得对故障敏感性不足进行漏报。

发明内容

针对背景中固定阈值存在的故障检测率与虚警率难以平衡的问题，本发明的目的在于提出一种多飞行状态直升机故障动态监测告警方法，根据飞行状态动态调整阈值实现在提升故障检测率的同时降低故障虚警率。

本发明的发明目的通过以下技术方案实现：

一种多飞行状态直升机故障动态监测告警方法，包括以下步骤：

S1对采集到的监测对象的信号进行预处理，滤除信号中的噪声；

S2对降噪后的信号进行特征提取，找到反映不同故障的表征参数；

S3将变化幅度超过最大幅值的10％时且与某个飞行参数的互相关系数大于设定值的特征认定为第二类特征，其他特征认为第一类特征；

S4针对第一类特征，首先根据飞行状态将飞机设置为停飞状态、起飞状态和飞行状态，再根据“nσ”准则将三种飞行状态下的第一类特征平均值加上n倍的标准差作为阈值从而在不同飞行状态下形成动态监测告警；

S5针对第二类特征，飞行参数进行归一化后去除不同特征数量级的影响后进行PCA处理，选取能够代表第二类特征的前若干个PCA分量归一化结果作为动态阈值参数；其次使用第二类特征平均值加上n倍的标准差作为静态阈值；最后使用动态阈值参数与静态阈值的乘积作为动态阈值对第二类特征进行动态监测告警。

本发明与现有技术相比，其优点为动态阈值下可以很好实现故障检测率与故障虚警率的平衡，相比于固定阈值可以在提高故障检测率的同时降低故障虚警率。

附图说明

图1是本发明的一种多飞行状态直升机故障动态监测告警方法的流程图。

图2是第一类故障特征图。

图3是第二类故障特征图。

图4是与特征相关性大的飞行参数图。

图5是飞行参数融合结果图。

图6是第一类特征的动态阈值结果图。

图7是第二类特征的动态阈值结果图。

具体实施方式

为了便于本领域技术人员的理解，下面结合附图对本发明作进一步的描述，并不能用来限制本发明的保护范围。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的各种方式可以相互组合。下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

参见图1所示，本实施例所示的一种多飞行状态直升机故障动态监测告警方法，由直升机完好性与使用监测系统(Health and Usage Monitoring System,HUMS)实施，该方法包括：

S1对采集到的监测对象的信号进行预处理，滤除信号中的噪声。

根据监测对象不同使用不同的预处理方法，提升信号的信噪比。

监测对象是滚动轴承的时候，根据Y＝F(X)+N(其中Y为测量信号，F()为表示传递路径作用的传递函数，X代表滚动轴承故障信号，N代表信号传递过程中引入的噪声)从滚动轴承微弱故障信号增强、噪声去除方法以及补偿传递函数三方面综合对信号进行预处理，首先通过共振解调方法确定共振频带位置，去除其他频带部分噪声，之后通补偿传递函数方法消除传递通道的影响，最后使用随机共振方法增强微弱故障信号。共振解调方法包括谱峭度方法、经验模态分解方法、变分模态分解方法等能够确定共振频带的方法，补偿传递函数方法包括最小熵解卷积方法、最大相关峭度解卷积方法、多点最优最小熵解卷积方法等能够消除传递路径影响的解卷积方法，随机共振方法包括变尺度随机共振方法、级联双稳随机共振方法、自适应随机共振方法等随机共振方法。

监测对象是齿轮时，采用时域同步平均方法去除与转频无关的噪声，之后再采用奇异值分解、小波降噪、形态滤波等方法去除其他噪声。

S2对降噪后的信号进行特征提取，找到反映不同故障的表征参数。

特征提取主要包括时域特征、频域特征、时频域特征以及通过机器学习算法提取的特征。

S3依据特征的幅值变化幅度以及特征和飞行参数的互相关系数将特征划分为第一类特征和第二类特。一般而言多飞行状态下飞行参数都是变化较大的，互相关系数越大说明特征与飞行参数越相关，幅值变化的同步性越强，因此与飞行参数互相关性大的特征变化幅度较大。将变化幅度超过最大幅值的10％时且与某个飞行参数的互相关系数大于设定值的特征认定为第二类特征，其他情况将其认为第一类特征。作为举例说明，本实施例中将设定值设为0.7.

S4针对第一类特征，直接使用各飞行状态下的第一类特征进行加权平均，得到第一类特征的阈值：首先根据飞行状态将飞机设置为停飞状态、起飞状态和飞行状态，再根据“nσ”准则将三种飞行状态下的第一类特征平均值加上n倍的标准差作为阈值从而在不同飞行状态下形成动态监测告警。

S5针对第二类特征，飞行参数进行归一化后去除不同特征数量级的影响后进行PCA处理，选取能够代表第二类特征的前若干个PCA分量归一化结果作为动态阈值参数。其次根据“nσ”准则使用第二类特征平均值加上n倍的标准差作为静态阈值，最后使用动态阈值参数与静态阈值的乘积作为动态阈值对第二类特征进行动态监测告警。

S4以及S5中n是标准差的倍数，用于控制阈值高度，一般情况下设为3，即小于“3σ”记为正常状态，大于“3σ”为异常状态；在关键部件处设为3和5，在小于“3σ”记为健康状态，在大于“3σ”并且小于“5σ”记为良好状态，在大于“5σ”记为失效状态。PCA前若干个分量标准为这些分量占总分量85％以上的最小数目分量。

在本实施例中，需要说明的是，通过计算机编程实现以上步骤，进而可以实现多飞行状态直升机故障动态监测告警作用。

处理结果分析，可以参阅图2、图3、图4、图5及图6，其中，图2是第一类故障特征图，图3是第二类故障特征图，图4是与特征相关性大的飞行参数图，图5是飞行参数融合结果图，图6是第一类特征的动态阈值结果图，图7是第二类特征的动态阈值结果图。

相较于固定阈值进行监测告警的方法，本方法可以根据飞行参数实现在不同飞行状态下设定不同阈值从而形成动态阈值监测告警，提升故障检测率同时降低虚警率。

虽然本申请提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或客户端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境，甚至为分布式数据处理环境)。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、产品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、产品或者设备所固有的要素。在没有更多限制的情况下，并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。

上述实施例阐明的装置或模块等，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本申请时可以把各模块的功能在同一个或多个软件和/或硬件中实现，也可以将实现同一功能的模块由多个子模块的组合实现等。以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。

本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构、类等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如R0M/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，移动终端，服务器，或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。

本说明书中的各个实施例采用递进的方式描述，各个实施例之间的相同或相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。本申请可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。

虽然通过实施例描绘了本申请，本领域普通技术人员知道，本申请有许多变形和变化而不脱离本申请的精神，希望所附的权利要求包括这些变形和变化而不脱离本申请。

Claims (5)

1.一种多飞行状态直升机故障动态监测告警方法，其特征在于包括以下步骤：

S1对采集到的监测对象的信号进行预处理，滤除信号中的噪声；

S2对降噪后的信号进行特征提取，找到反映不同故障的表征参数；

S3将变化幅度超过最大幅值的10％时且与某个飞行参数的互相关系数大于设定值的特征认定为第二类特征，其他特征认为第一类特征；

S4针对第一类特征，首先根据飞行状态将飞机设置为停飞状态、起飞状态和飞行状态，再根据“nσ”准则将三种飞行状态下的第一类特征平均值加上n倍的标准差作为阈值从而在不同飞行状态下形成动态监测告警；

S5针对第二类特征，飞行参数进行归一化后去除不同特征数量级的影响后进行PCA处理，选取能够代表第二类特征的前若干个PCA分量归一化结果作为动态阈值参数；其次使用第二类特征平均值加上n倍的标准差作为静态阈值；最后使用动态阈值参数与静态阈值的乘积作为动态阈值对第二类特征进行动态监测告警。

2.根据权利要求1所述的一种多飞行状态直升机故障动态监测告警方法，其特征在于：S1中，若监测对象是滚动轴承的时候，首先通过共振解调方法确定共振频带位置，去除其他频带部分噪声，之后通补偿传递函数方法消除传递通道的影响，最后使用随机共振方法增强滚动轴承微弱故障信号。

3.根据权利要求2所述的一种多飞行状态直升机故障动态监测告警方法，其特征在于所述共振解调方法包括谱峭度方法、经验模态分解方法、变分模态分解方法，补偿传递函数方法包括最小熵解卷积方法、最大相关峭度解卷积方法、多点最优最小熵解卷积方法，随机共振方法包括变尺度随机共振方法、级联双稳随机共振方法、自适应随机共振方法。

4.根据权利要求1所述的一种多飞行状态直升机故障动态监测告警方法，其特征在于：S1中，监测对象是齿轮时，采用时域同步平均方法去除与转频无关的噪声，之后再采用奇异值分解、小波降噪、形态滤波去除其他噪声。

5.根据权利要求1所述的一种多飞行状态直升机故障动态监测告警方法，其特征在于：S2中特征提取主要包括时域特征、频域特征、时频域特征以及通过机器学习算法提取的特征。

Images