CN115573894B - 一种燃油泵状态监测及分析方法 - Google Patents

Abstract

本发明涉及燃油泵技术领域，具体而言，涉及一种燃油泵状态监测及分析方法。监测及分析方法包括：采集燃油泵的工作数据；第一处理器对工作数据进行第一处理，得到处理后燃油腔室温度数据；基于主轴转速数据，得到燃油腔室第一温度阈值和燃油腔室第二温度阈值；基于处理后燃油腔室温度数据与燃油腔室第一温度阈值、燃油腔室第二温度阈值比较，判断燃油泵的工作状态；基于工作状态判断为严重异常，第一处理器对工作数据和/或第一处理数据进行第二处理，得到第二处理数据；基于第二处理数据，第一处理器分析确定燃油泵的故障类型，并发出预警信号和故障类型信息。这样就解决了燃油泵状态实时监测和分析的成本大幅增加的问题。

Description

一种燃油泵状态监测及分析方法

技术领域

本发明涉及燃油泵技术领域，具体而言，涉及一种燃油泵状态监测及分析方法。

背景技术

燃油泵是燃油系统的核心附件，能够为发动机提供规定流量和压力的燃油，其工作状态直接影响到航空发动机的性能。因此准确地监控燃油系统核心附件的工作状态并预测其剩余使用寿命已经成为研究者关注的焦点。

目前燃油泵的受限于机载综合管理计算机的算力，在机上不具备状态检测诊断的能力，往往需要落后地将燃油泵进行故障复现和拆卸地方式进行诊断分析，因此无法在线实时分析燃油泵的状态，及时诊断定位影响飞机安全飞行的重要故障，因此无法支撑飞机的决策。而且目前燃油泵状态监测及分析需要在航空器上设置计算能力强大的处理器才能快速和准确的分析和判断，这样会导致燃油泵状态实时监测和分析的难度大、成本高。

发明内容

为解决燃油泵状态实时监测和分析的成本大幅增加的问题，本发明提供了一种燃油泵状态监测及分析方法。

所述燃油泵状态监测及分析方法包括：

步骤S11，采集所述燃油泵的工作数据，并存储所述工作数据；其中，所述工作数据包括所述燃油泵的燃油腔室温度数据、所述燃油泵的主轴转速数据；

步骤S12，第一处理器对所述工作数据进行第一处理，得到第一处理数据；其中，所述第一处理数据包括处理后燃油腔室温度数据；

步骤S13，基于所述主轴转速数据，得到燃油腔室第一温度阈值和燃油腔室第二温度阈值；

步骤S14，基于所述处理后燃油腔室温度数据大于所述燃油腔室第一温度阈值，判断所述燃油泵的工作状态为严重异常；基于所述处理后燃油腔室温度数据小于等于所述燃油腔室第一温度阈值且大于所述燃油腔室第二温度阈值，判断所述燃油泵的工作状态为一般异常；基于所述处理后燃油腔室温度数据小于等于所述燃油腔室第二温度阈值，判断所述燃油泵的工作状态为正常；

步骤S15，基于所述工作状态判断为所述严重异常，所述第一处理器对所述工作数据和/或所述第一处理数据进行第二处理，得到第二处理数据；

步骤S16，基于所述第二处理数据，所述第一处理器分析确定所述燃油泵的故障类型，并发出预警信号和故障类型信息。

优选的，

基于所述工作数据还包括所述燃油泵进口温度数据，所述步骤S13还包括：

基于所述主轴转速数据和所述燃油泵进口温度数据，得到燃油腔室第一温度阈值和燃油腔室第二温度阈值。

优选的，

基于所述工作数据还包括所述燃油泵环境温度数据，所述步骤S13还包括：

基于所述主轴转速数据、所述燃油泵进口温度数据和所述环境温度数据，得到燃油腔室第一温度阈值和燃油腔室第二温度阈值。

优选的，

基于所述工作数据还包括所述燃油泵的燃油腔室压力数据，所述燃油泵状态监测及分析方法还可以包括：

步骤S12，第一处理器对所述工作数据进行第一处理，得到第一处理数据；其中，所述第一处理数据包括处理后燃油腔室温度数据和处理后燃油腔室压力数据；

步骤S141，基于所述处理后燃油腔室温度数据小于等于所述燃油腔室第一温度阈值，判断所述处理后燃油腔室压力数据与燃油腔室压力阈值的大小；基于所述处理后燃油腔室压力小于燃油腔室第一压力阈值，判断所述燃油泵的工作状态为严重异常；基于所述处理后燃油腔室压力大于等于所述燃油腔室第一压力阈值且小于燃油腔室第二压力阈值，判断所述燃油泵的工作状态为一般异常；基于所述处理后燃油腔室压力大于等于所述燃油腔室第二压力阈值，判断所述燃油泵的工作状态为正常。

优选的，

基于所述工作数据还包括所述燃油泵的振动数据，所述燃油泵状态监测及分析方法还可以包括：

步骤S12，第一处理器对所述工作数据进行第一处理，得到第一处理数据；其中，所述第一处理数据包括处理后燃油腔室温度数据、处理后燃油腔室压力数据和第一处理后振动数据；

步骤S142，基于所述处理后燃油腔室压力大于等于燃油腔室第一压力阈值，判断所述第一处理后振动数据与振动阈值的大小；基于所述第一处理后振动数据大于第一振动阈值，判断所述燃油泵的工作状态为严重异常；基于所述第一处理后振动数据小于等于所述第一振动阈值且大于第二振动阈值，判断所述燃油泵的工作状态为一般异常；基于所述第一处理后振动数据小于等于第二振动阈值，判断所述燃油泵的工作状态为正常。

优选的，

所述步骤S15还包括：

步骤S151，所述第一处理器对所述振动数据和/或所述第一处理后振动数据进行第三处理，得到第三处理后振动数据；

步骤S152，将所述第三处理后振动数据和所述第一处理数据合并形成特征向量数据；

步骤S155，将所述特征向量数据进行筛选处理，得到筛选数据；

步骤S154，将所述筛选数据进行降维处理，得到所述第二处理数据。

优选的，

所述步骤S16还包括：

步骤S161，所述第一处理器将所述第二处理数据输入神经网络进行第四处理，得到第四处理数据；

步骤S162，所述第一处理器将所述第四处理数据与故障模型匹配，确定所述燃油泵的故障类型。

优选的，

所述燃油泵状态监测及分析方法还包括：

步骤S17，基于所述工作状态判断为所述一般异常，所述第一处理器发出预警信号。

优选的，

所述燃油泵状态监测及分析方法还包括：

步骤S181，基于所述工作状态判断为所述一般异常，第二处理器对所述工作数据和/或第一处理数据进行第五处理，得到第五处理数据；

步骤S182，基于所述第五处理数据，所述第二处理器确定所述燃油泵的故障类型。

优选的，

所述燃油泵状态监测及分析方法还包括：

步骤S191，基于所述工作状态判断为所述一般异常或正常，第二处理器对所述工作数据和/或第一处理数据进行第六处理，得到第六处理数据；

步骤S192，基于所述第六处理数据，所述第二处理器确定所述燃油泵的剩余寿命。

为解决燃油泵状态监测和分析的成本大幅增加以及提高燃油泵的安全可靠性的问题，本发明有以下优点：

1.根据燃油泵主轴的转速设置燃油腔室温度阈值，根据燃油腔室温度与燃油腔室温度阈值的比较，可以直接、快速、准确判断燃油泵的工作状态。

2.针对影响燃油泵安全可靠运行的关键故障进行诊断分析，解决了记载处理芯片算力不足的问题，通过关键故障的及时诊断于定位，为飞机的安全飞行提供决策支撑。

3.基于微型处理芯片以及燃油泵的传感器采集的数据实现燃油泵的事实状态监测诊断，并将燃油泵的状态上传到机载综合管理计算机中，为飞机的任务安全决策提供支撑，提高燃油泵的安全可靠性。

附图说明

图1示出了一种实施例的燃油泵状态监测及分析方法示意图；

图2示出了另一种实施例的燃油泵状态监测及分析方法示意图；

图3示出了还有一种实施例的燃油泵状态监测及分析方法示意图；

图4示出了一种实施例的燃油泵结构示意图。

附图标记：

图中：10为 燃油腔室；

20为 主轴；

30为 燃油泵进口；

40为 燃油泵出口。

具体实施方式

现在将参照若干示例性实施例来论述本公开的内容。应当理解，论述了这些实施例仅是为了使得本领域普通技术人员能够更好地理解且因此实现本公开的内容，而不是暗示对本公开的范围的任何限制。

如本文中所使用的，术语“包括”及其变体要被解读为意味着“包括但不限于”的开放式术语。术语“基于”要被解读为“至少部分地基于”。术语“一个实施例”和“一种实施例”要被解读为“至少一个实施例”。术语“另一个实施例”要被解读为“至少一个其他实施例”。

本实施例公开了一种燃油泵状态监测及分析方法，如图1所示，

所述燃油泵状态监测及分析方法包括：

步骤S11，采集所述燃油泵的工作数据，并存储所述工作数据；其中，所述工作数据包括所述燃油泵的燃油腔室10温度数据、所述燃油泵的主轴20转速数据；

步骤S12，第一处理器对所述工作数据进行第一处理，得到第一处理数据；其中，所述第一处理数据包括处理后燃油腔室10温度数据；

步骤S13，基于所述主轴20转速数据，得到燃油腔室10第一温度阈值和燃油腔室10第二温度阈值；

步骤S14，基于所述处理后燃油腔室10温度数据大于所述燃油腔室10第一温度阈值，判断所述燃油泵的工作状态为严重异常；基于所述处理后燃油腔室10温度数据小于等于所述燃油腔室10第一温度阈值且大于所述燃油腔室10第二温度阈值，判断所述燃油泵的工作状态为一般异常；基于所述处理后燃油腔室10温度数据小于等于所述燃油腔室10第二温度阈值，判断所述燃油泵的工作状态为正常；

步骤S15，基于所述工作状态判断为所述严重异常，所述第一处理器对所述工作数据和/或所述第一处理数据进行第二处理，得到第二处理数据；

步骤S16，基于所述第二处理数据，所述第一处理器分析确定所述燃油泵的故障类型，并发出预警信号和故障类型信息。

在本实施例中，如图4所示，燃油泵作为一种燃油系统中的核心附件并为发动机提供规定流量和压力的燃油，其工作状态直接影响到航空发动机的性能，其主要部件可以包括燃油腔室10、主轴20、燃油泵进口30、燃油泵出口40、第一处理器。当燃油进入燃油泵体时，高速旋转的主轴20将燃油向外抛射，产生离心力，主轴20通道里的燃油受离心作用向着径向的方向向外甩出，此时燃油腔室10靠近燃油泵进口30位置变成低压状态，燃油腔室10将会继续从燃油泵进口30处获取燃油。之后主轴20持续保持转动，将燃油甩出并从燃油泵进口30处不断获取燃油，形成持续不断地供油。在主轴20出口，燃油甩出的速度很快，其从主轴20获得的能量为两部分，一部分为动能，一部分为压力能。最后燃油泵出口40处使流出的燃油运动停滞，将一部分动能化为压力能，提高了燃油压力，并将燃油输向燃油系统。燃油泵还可以包括监测工作状态的传感器，用于监测燃油泵工作时的转速、振动、温度、压力等参数。通过对燃油泵工作状态的监测来确保其正常运行以及其故障的判断分析。燃油泵状态监测及分析方法可以包括步骤S11~步骤S16，各步骤详细说明如下：

步骤S11，通过燃油泵上设置的多个不同类型的传感器，可以采集燃油泵的工作数据。采集的工作数据可以包括燃油泵的燃油腔室10温度数据、燃油泵的主轴20转速数据。采集燃油腔室10温度数据可以判断燃油泵是否存在故障，当燃油腔室10温度过高时，一方面可能导致失火，另一方面由于燃油的碳化可能导致发动机内的燃油喷嘴堵塞。采集燃油泵的主轴20转速数据可以作为设置燃油腔室10温度阈值的条件，再基于采集到的燃油腔室10温度数据判断燃油泵的工作状态；在一些实施例中，由于燃油消耗设备（例如发动机）的工作负载不同，所需的燃油量也不相同，最终燃油泵的转速不同。在需要大的燃油量时，主轴20转速较高，内部摩擦增加，产生的热量就越多，燃油腔室10温度较高；在需要小的燃油量时，主轴20转速可以较低，内部摩擦较少，产生的热量就较少，燃油腔室10温度较低。在不同工况下产生的热量不同，这样可以将燃油泵的主轴20转速作为设置燃油腔室10温度阈值的条件，判断燃油腔室10温度是否正常时会更合理。燃油泵上还可以包括第一处理器，可以将采集的工作数据存储在第一处理器的存储单元中，以便后续对工作数据的分析处理。在另一些实施例中，步骤S11中采集的工作数据还可以包括燃油腔室10压力数据、振动数据一种或多种组合。燃油腔室10压力的大小可以影响燃油腔室10温度的大小。在燃油被压缩时，会释放热量，不同的压缩比例，释放热量不同，最终导致燃油腔室10的温度变化。同时燃油腔室10的压力还可以反映出燃油泵的工作状态。因此采集燃油腔室10压力数据，有利于燃油泵状态的监测和分析。燃油泵振动的大小也可以影响燃油腔室10温度的大小。由于导致振动变大的原因可以是部件之间的移动造成，部件的移动会导致摩擦加剧，从而导致燃油腔室10温度增加。同时燃油腔室10的振动还可以反映出燃油泵的工作状态。因此采集燃油腔室10振动数据，有利于燃油泵状态的监测和分析。

步骤S12，第一处理器可以与工作状态监测传感器通信连接。传感器采集的工作数据可以传输到第一处理器中。第一处理器可以对工作数据进行第一处理，得到可以与工作参数阈值进行比较的第一处理数据。第一处理可以包括对工作数据对齐处理、去除异常值处理、去除趋势项处理、时域分析处理、频域分析处理中的一种或多种处理方式。通过对于工作数据的对齐处理，可以使得不同的工作数据之间在时间点上是同步的。这样在对多个工作数据进行分析时，可以准确的找出工作数据之间的对应关系，更能准确的判断出燃油泵的工作状态。去除异常值处理和去除趋势项处理可以去除或减少工作数据中异常数据的干扰。在一些实施例中，步骤S12中的第一处理数据可以包括处理后燃油腔室10温度数据；燃油腔室10温度数据可以判断燃油泵是否存在故障，当燃油腔室10温度过高时，一方面可能导致失火，另一方面由于燃油的碳化可能导致发动机内的燃油喷嘴堵塞。并且处理后的燃油腔室10温度更接近实际情况，用于判断燃油泵工作状态更合理。在另一些实施例中，第一处理数据还可以包括处理后燃油腔室10压力数据和第一处理后振动数据；同样的，燃油腔室10压力和振动对燃油腔室10温度都有一定的影响，并且燃油泵腔室的压力和振动还可以反映出燃油泵的工作状态；处理后的燃油腔室10的压力、振动数据会更接近实际情况，用于判断燃油泵工作状态更合理。

步骤S13，基于主轴20转速数据，得到燃油腔室10第一温度阈值和燃油腔室10第二温度阈值；在同一工况下，燃油从主轴20获得的能量分为两部分，一部分为动能，一部分为压力能，主轴20转速越大，压力能越大，输出功率越大，燃油腔室10内部存在的摩擦越大，燃油腔室10温度就会越大。在一些实施例中，在飞机起飞、爬升时，发动机为高负载状态，燃油泵的主轴20转速增加，摩擦力增加，产生的热量就越多，燃油腔室10温度越高；在飞机巡航期间，主轴20转速变化不大，燃油泵内部摩擦也变化不大，相应的燃油腔室10温度变化也会不大；在飞机下降状态时，主轴20转速减小，摩擦力减小，产生的热量就越少，燃油腔室10温度越低，这样以燃油泵的主轴20转速设置燃油腔室10温度阈值更合理。

步骤S14，基于处理后燃油腔室10温度数据与燃油腔室10第一温度阈值、燃油腔室10第二温度阈值的比较结果，判断燃油泵的工作状态为严重异常、一般异常、正常中的一种状态。在一些实施例中，步骤S14中的温度数据可以是通过燃油泵上的传感器对燃油腔室10中的一个或多个位置采集获得。这里的处理后温度数据可以是一个数据组，然后将这个数据组的每个数据与各自的阈值进行比较。这样通过对燃油泵多处温度的判断可以更进一步判断出燃油泵的工作状态。温度过高时，一方面可能会导致火灾，另一方面燃油泵里的燃油会出现碳化，可能导致发动机内的燃油喷嘴堵塞，严重影响飞机安全飞行。通过对燃油泵温度的监测，可以提前预知这种故障的发生，便于燃油泵的使用人员和/或维修人员及时做出处理决策。

步骤S15，基于工作状态判断为严重异常，第一处理器对工作数据和/或第一处理数据进行第二处理，得到第二处理数据；通过对第一处理数据的分析比较后，判断当前的工作状态为严重异常。这里的严重异常表明燃油泵已经或即将发生故障，从而导致燃油泵有较为严重的运行风险。第一处理器可以对工作数据和/或第一处理数据进行第二处理（即更深入的处理分析），得到第二处理数据，更进一步分析和确定燃油泵目前的故障类型，从而帮助使用人员和/或维修人员做出准确和及时的处理。第二处理可以包括时频分析处理和数据融合处理。

步骤S16，通过第二处理数据，第一处理器还可以分析并确定燃油泵的故障类型。最终将确认的故障类型和预警信号发送给使用人员或维修人员，从而帮助使用人员和/或维修人员做出准确和及时的处理。

在一些实施例中，如图2所示，

基于所述工作数据还包括所述燃油泵的燃油腔室10压力数据，所述燃油泵状态监测及分析方法还可以包括：

步骤S12，第一处理器对所述工作数据进行第一处理，得到第一处理数据；其中，所述第一处理数据包括处理后燃油腔室10温度数据和处理后燃油腔室10压力数据；

步骤S141，基于所述处理后燃油腔室10温度数据小于等于所述燃油腔室10第一温度阈值，判断所述处理后燃油腔室10压力数据与燃油腔室10压力阈值的大小；基于所述处理后燃油腔室10压力小于燃油腔室10第一压力阈值，判断所述燃油泵的工作状态为严重异常；基于所述处理后燃油腔室10压力大于等于所述燃油腔室10第一压力阈值且小于燃油腔室10第二压力阈值，判断所述燃油泵的工作状态为一般异常；基于所述处理后燃油腔室10压力大于等于所述燃油腔室10第二压力阈值，判断所述燃油泵的工作状态为正常。

在本实施例中，如图2所示，步骤S12中第一处理器可以对燃油泵的燃油腔室10温度数据和燃油腔室10压力数据进行处理，得到处理后燃油腔室10温度数据和处理后燃油腔室10压力数据。燃油腔室10温度数据可以判断燃油泵是否存在故障，当燃油腔室10温度过高时，一方面可能导致失火，另一方面由于燃油的碳化可能导致发动机内的燃油喷嘴堵塞。并且处理后的燃油腔室10温度更接近实际情况，用于判断燃油泵工作状态更合理。燃油腔室10压力对燃油腔室10温度有一定的影响，燃油泵腔室的压力还可以反映出燃油泵的工作状态，处理后的燃油腔室10压力数据会更接近实际情况，用于判断燃油泵工作状态更合理。

步骤S141中，当处理后燃油腔室10温度数据小于等于燃油腔室10第一温度阈值（即燃油泵通过上述判断，工作状态为一般异常或正常）时，第一处理器对燃油腔室10压力数据进行时域分析处理，得到第一处理数据，其中，第一处理数据包括处理后燃油腔室10压力数据。这里的压力数据可以是通过燃油泵上的传感器对燃油腔室10采集获得。这里的处理后燃油腔室10压力数据可以是一个数据组，然后将这个数据组的每个数据与各自的阈值进行比较。基于处理后燃油腔室10压力数据小于燃油腔室10第一压力阈值，判断燃油泵的工作状态为严重异常；基于处理后燃油腔室10压力数据大于等于燃油腔室10第一压力阈值且小于燃油腔室10第二压力阈值，判断燃油泵的工作状态为一般异常；基于处理后燃油腔室10压力数据大于等于燃油腔室10第二压力阈值，判断燃油泵的工作状态为正常。若达不到燃油系统所需的压力大小，有可能是出现内部泄漏问题，严重影响飞机的飞行安全；通过对燃油腔室10压力的监测，可以提前预知这种故障的发生，便于燃油泵的使用人员和/或维修人员及时做出处理决策。第一处理器在较小计算负荷情况下完成对工作数据的第一处理和分析比较，从而快速且准确的获得燃油泵当前的工作状态，以便后续对燃油泵的进一步的分析和处理，从而确保燃油泵的正常工作及异常状态时的快速反馈。

在一些实施例中，如图2所示，

基于所述工作数据还包括所述燃油泵环境温度数据，所述步骤S13还包括：

基于所述主轴20转速数据、所述燃油泵进口30温度数据和所述环境温度数据，得到燃油腔室10第一温度阈值和燃油腔室10第二温度阈值。

在一些实施例中，步骤S13还可以基于燃油泵进口30温度数据，得到燃油腔室10第一温度阈值和燃油腔室10第二温度阈值；燃油泵进口30温度对燃油腔室10温度也会有影响，燃油泵进口30温度上升时燃油腔室10温度也应该上升，这样以燃油泵进口30温度设置燃油腔室10温度阈值更合理。还有一些实施例中，步骤S13还可以基于环境温度数据，得到燃油腔室10第一温度阈值和燃油腔室10第二温度阈值。环境温度对燃油腔室10温度同样也会有影响，环境温度不同时，燃油腔室10温度变化程度也会不同，这样以主轴20转速、燃油泵进口30温度和环境温度设置燃油腔室10温度阈值更合理、判断燃油泵的工作状态时更准确。

在一些实施例中，如图2所示，

基于所述工作数据还包括所述燃油泵的振动数据，所述燃油泵状态监测及分析方法还可以包括：

步骤S12，第一处理器对所述工作数据进行第一处理，得到第一处理数据；其中，所述第一处理数据包括处理后燃油腔室10温度数据、处理后燃油腔室10压力数据和第一处理后振动数据；

步骤S142，基于所述处理后燃油腔室10压力大于等于燃油腔室10第一压力阈值，判断所述第一处理后振动数据与振动阈值的大小；基于所述第一处理后振动数据大于第一振动阈值，判断所述燃油泵的工作状态为严重异常；基于所述第一处理后振动数据小于等于所述第一振动阈值且大于第二振动阈值，判断所述燃油泵的工作状态为一般异常；基于所述第一处理后振动数据小于等于第二振动阈值，判断所述燃油泵的工作状态为正常。

在本实施例中，如图2所示，步骤S12中第一处理器还可以对燃油泵的燃油腔室10的振动数据进行处理，得到处理后第一处理后振动数据。燃油腔室10的振动对燃油腔室10温度有一定的影响，还可以反映出燃油泵的工作状态。处理后的燃油腔室10的振动数据会更接近实际情况，用于判断燃油泵工作状态更合理。

步骤S142中，当处理后燃油腔室10压力数据大于等于燃油腔室10第一压力阈值（即燃油泵通过上述判断，工作状态为一般异常或正常）时，第一处理器对振动数据进行时域分析处理，得到第一处理数据，其中，第一处理数据包括第一处理后振动数据。这里的振动数据可以是通过主轴20周边的监测传感器对燃油腔室10采集获得。这里的第一处理后振动数据可以是一个数据组，然后将这个数据组的每个数据与各自的阈值进行比较。基于第一处理后振动数据大于第一振动阈值，判断燃油泵的工作状态为严重异常；基于第一处理后振动数据小于等于第一振动阈值且大于第二振动阈值，判断燃油泵的工作状态为一般异常；基于第一处理后振动数据小于等于第二振动阈值，判断燃油泵的工作状态为正常。若振动值过大说明燃油泵可能出现了故障，如出现主轴20磨损严重导致燃油泄漏的问题；有通过对主轴20振动的监测，可以提前预知这种故障的发生，便于燃油泵的使用人员和/或维修人员及时做出处理决策。第一处理器在较小计算负荷情况下完成对工作数据的第一处理和分析比较，从而快速且准确的获得燃油泵当前的工作状态，以便后续对燃油泵的进一步的分析和处理，从而确保燃油泵的正常工作及异常状态时的快速反馈。

在一些实施例中，如图3所示，

所述步骤S15还包括：

步骤S151，所述第一处理器对所述振动数据和/或所述第一处理后振动数据进行第三处理，得到第三处理后振动数据；

步骤S152，将所述第三处理后振动数据和所述第一处理数据合并形成特征向量数据；

步骤S153，将所述特征向量数据进行筛选处理，得到筛选数据；

步骤S154，将所述筛选数据进行降维处理，得到所述第二处理数据。

在本实施例中，如图3所示，步骤S15还包括：步骤S151~步骤S154；具体为：

步骤S151，第一处理器可以对振动数据和/或第一处理后振动数据进行第三处理（即时频分析处理），得到第三处理后振动数据。其中时频分析处理可以包括小波分析处理、HHT分析处理、VMD分析处理的一种或多种分析处理。在还有一些实施例中，可以先设置VMD分析处理方法输入的分解参数的初始值，其中分解参数可以包括惩罚参数、模式分量个数；利用设定初始分解参数的VMD分析处理方法对振动数据和/或第一处理后振动数据进行迭代分解，得到待优化的个目标分量；对每个目标分量求取其能量值以及峭度值；采用粒子群智能优化算法对不同惩罚参数，模式分量个数进行寻优分解，确定最优参数；基于最优分解参数对振动数据和/或第一处理后振动数据进行最优VMD分解，得到最优分解后的各目标分量，求取其能量值以及峭度值，作为最终得到第三处理后振动数据。

步骤S152，第一处理器可以将第三处理后振动数据和第一处理数据合并形成特征向量数据。第一处理数据可以包括处理后转速数据、处理后温度数据、处理后压力数据中的一种或多种组合。

步骤S153，第一处理器可以将特征向量数据进行筛选处理，得到筛选数据。这样可以将特征向量数据中的干扰数据去除，提高燃油泵故障诊断的准确性。

步骤S154，第一处理器可以将筛选数据进行降维处理，得到第二处理数据。这样最终得到第二处理数据便于直接导入神经网络中快速进行分析处理。从而使的采用计算能力小的第一处理器即可完成燃油泵的故障分析。具体方法为：将组合特征向量作为神经网络的输入，代入已经离线训练好的神经网络模型（BP、SVM、GRNN），进行实时分析；神经网络诊断模型可实时计算输入数据，得到最终故障识别结果。可诊断的主要故障包括主轴20转子振动量大以及主轴20磨损等故障。

在一些实施例中，如图3所示，

所述步骤S16还包括：

步骤S161，所述第一处理器将所述第二处理数据输入神经网络进行第四处理，得到第四处理数据；

步骤S162，所述第一处理器将所述第四处理数据与故障模型匹配，确定所述燃油泵的故障类型。

在本实施例中，步骤S16还可以包括步骤S161~步骤S162，具体为：

步骤S161，第一处理器可以将第二处理数据输入神经网络进行第四处理，得到第四处理数据。这里的神经网络是通过历史数据训练得到，专门用于燃油泵故障确认的模型。

步骤S162，第一处理器可以将第四处理数据与故障模型匹配，确定燃油泵的故障类型。从而及时准确的分析和确认出燃油泵的故障类型，从而帮助使用人员和/或维修人员做出准确和及时的处理。

在一些实施例中，如图3所示，

所述燃油泵状态监测及分析方法还包括：

步骤S17，基于所述工作状态判断为所述一般异常，所述第一处理器发出预警信号。

在本实施例中，如图3所示，燃油泵状态监测及分析方法还可以包括步骤S17。在第一处理器判断燃油泵的工作状态为一般异常时，第一处理器可以发出预警信号，提醒使用人员燃油泵工作状态为一般异常，以便使用人员做出补救措施。更进一步便于燃油泵处理非工作状态时，提醒维修人员对其检修。

在一些实施例中，如图3所示，

所述燃油泵状态监测及分析方法还包括：

步骤S181，基于所述工作状态判断为所述一般异常，第二处理器对所述工作数据和/或第一处理数据进行第五处理，得到第五处理数据；

步骤S182，基于所述第五处理数据，所述第二处理器确定所述燃油泵的故障类型。

在本实施例中，如图3所示，燃油泵状态监测及分析方法还可以包括步骤S181~S182。在远离燃油泵工作的位置（例如在燃油泵的检修中心）可以设置第二处理器。第一处理器和第二处理器是分离并独立设置。第二处理器可以与第一处理器信号连通。这里的信号连通可以是无线信号连通，也可以是可拆卸的有线信号连通。第二处理器还可以与第一处理器无直接的信号连通，第二处理器通过其他可移动存储介质来获取需要处理的数据。

步骤S181，第一处理器可以将获得的工作数据和/或第一处理数据传输给第二处理器。这里的第二处理器可以比第一处理器有更强大的计算能力。这样可以对判断燃油泵故障类型更准确、耗费时间更短。。当第一处理器判断燃油泵的工作状态为一般异常后，第二处理器可以对工作数据和/或第一处理数据进行第五处理，最终得到第五处理数据。这里的第五处理可以包括第一处理包括的处理方法、第二处理包括的处理方法中的一种或多种处理方法的组合。关于具体数据处理过程与之前数据处理过程类似，在此不详细说明。由于燃油泵为一般异常时的数据量远大于严重异常时的数据量，首先将数据量小的严重异常在燃油泵工作时进行分析判断，可以及时反馈影响燃油泵正常工作的严重故障；再将数据量大的一般异常状态下载至第二处理器进行分析判断，可以全面的分析和确定影响燃油泵正常工作的所有故障，为飞机的安全飞行提供决策支撑，便于后续对燃油泵的维修。

步骤S182，第二处理器可以将第五处理数据输入神经网络进行第七处理，得到第七处理数据。这里的神经网络是通过历史数据训练得到，专门用于燃油泵故障确认的模型；第二处理器将第五处理数据输入神经网络可以将第七处理数据与故障模型匹配，确定燃油泵的故障类型。从而及时准确的分析和确认出燃油泵的故障类型，从而帮助使用人员和/或维修人员做出准确和及时的处理。

在一些实施例中，如图3所示，

所述燃油泵状态监测及分析方法还包括：

步骤S191，基于所述工作状态判断为所述一般异常或正常，第二处理器对所述工作数据和/或第一处理数据进行第六处理，得到第六处理数据；

步骤S192，基于所述第六处理数据，所述第二处理器确定所述燃油泵的剩余寿命。

在本实施例中，如图3所示，燃油泵状态监测及分析方法还包括步骤S191~步骤S192，具体为：

步骤S191，当第一处理器判断燃油泵的工作状态为一般异常或正常后，第二处理器可以对工作数据和/或第一处理数据进行第六处理，得到第六处理数据。第六处理的步骤可以包括对工作数据和/或第一处理数据进行持续退化趋势特征提取的处理方法。第六处理数据可以包括各种采集参数的持续退化趋势特征。

步骤S192，第二处理器可以将第六处理数据输入深度神经网络中，从而预估出燃油泵的剩余寿命，为飞机的安全飞行提供决策支撑。这里的深度神经网络也是通过历史数据训练得到，这样可以便于管理人员对燃油泵备件的准备，以及后期检修计划的制定和安排。

本领域的普通技术人员可以理解，上述各实施方式是实现本公开的具体案例，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本公开的精神和范围。

Claims (8)

1.一种燃油泵状态监测及分析方法，其特征在于，

所述燃油泵状态监测及分析方法包括：

步骤S11，采集所述燃油泵的工作数据，并存储所述工作数据；其中，所述工作数据包括所述燃油泵的燃油腔室温度数据、所述燃油泵的主轴转速数据、所述燃油泵的燃油腔室压力数据、所述燃油泵的振动数据；

步骤S12，第一处理器对所述工作数据进行第一处理，得到第一处理数据；其中，所述第一处理数据包括处理后燃油腔室温度数据、处理后燃油腔室压力数据、第一处理后振动数据；

步骤S13，基于所述主轴转速数据，得到燃油腔室第一温度阈值和燃油腔室第二温度阈值；

步骤S14，基于所述处理后燃油腔室温度数据大于所述燃油腔室第一温度阈值，判断所述燃油泵的工作状态为严重异常；基于所述处理后燃油腔室温度数据小于等于所述燃油腔室第一温度阈值且大于所述燃油腔室第二温度阈值，判断所述燃油泵的工作状态为一般异常；基于所述处理后燃油腔室温度数据小于等于所述燃油腔室第二温度阈值，判断所述燃油泵的工作状态为正常；

步骤S141，基于所述处理后燃油腔室温度数据小于等于所述燃油腔室第一温度阈值，判断所述处理后燃油腔室压力数据与燃油腔室压力阈值的大小；基于所述处理后燃油腔室压力小于燃油腔室第一压力阈值，判断所述燃油泵的工作状态为严重异常；基于所述处理后燃油腔室压力大于等于所述燃油腔室第一压力阈值且小于燃油腔室第二压力阈值，判断所述燃油泵的工作状态为一般异常；基于所述处理后燃油腔室压力大于等于所述燃油腔室第二压力阈值，判断所述燃油泵的工作状态为正常；

步骤S142，基于所述处理后燃油腔室压力大于等于燃油腔室第一压力阈值，判断所述第一处理后振动数据与振动阈值的大小；基于所述第一处理后振动数据大于第一振动阈值，判断所述燃油泵的工作状态为严重异常；基于所述第一处理后振动数据小于等于所述第一振动阈值且大于第二振动阈值，判断所述燃油泵的工作状态为一般异常；基于所述第一处理后振动数据小于等于第二振动阈值，判断所述燃油泵的工作状态为正常；

步骤S15，基于所述工作状态判断为所述严重异常，所述第一处理器对所述工作数据和/或所述第一处理数据进行第二处理，得到第二处理数据；

步骤S16，基于所述第二处理数据，所述第一处理器分析确定所述燃油泵的故障类型，并发出预警信号和故障类型信息。

2.根据权利要求1所述的一种燃油泵状态监测及分析方法，其特征在于，

基于所述工作数据还包括所述燃油泵进口温度数据，所述步骤S13还包括：

基于所述主轴转速数据和所述燃油泵进口温度数据，得到燃油腔室第一温度阈值和燃油腔室第二温度阈值。

3.根据权利要求2所述的一种燃油泵状态监测及分析方法，其特征在于，

基于所述工作数据还包括所述燃油泵环境温度数据，所述步骤S13还包括：

基于所述主轴转速数据、所述燃油泵进口温度数据和所述环境温度数据，得到燃油腔室第一温度阈值和燃油腔室第二温度阈值。

4.根据权利要求1所述的一种燃油泵状态监测及分析方法，其特征在于，

所述步骤S15还包括：

步骤S151，所述第一处理器对所述振动数据和/或所述第一处理后振动数据进行第三处理，得到第三处理后振动数据；

步骤S152，将所述第三处理后振动数据和所述第一处理数据合并形成特征向量数据；

步骤S155，将所述特征向量数据进行筛选处理，得到筛选数据；

步骤S154，将所述筛选数据进行降维处理，得到所述第二处理数据。

5.根据权利要求4所述的一种燃油泵状态监测及分析方法，其特征在于，

所述步骤S16还包括：

步骤S161，所述第一处理器将所述第二处理数据输入神经网络进行第四处理，得到第四处理数据；

步骤S162，所述第一处理器将所述第四处理数据与故障模型匹配，确定所述燃油泵的故障类型。

6.根据权利要求1所述的一种燃油泵状态监测及分析方法，其特征在于，

所述燃油泵状态监测及分析方法还包括：

步骤S17，基于所述工作状态判断为所述一般异常，所述第一处理器发出预警信号。

7.根据权利要求1所述的一种燃油泵状态监测及分析方法，其特征在于，

所述燃油泵状态监测及分析方法还包括：

步骤S181，基于所述工作状态判断为所述一般异常，第二处理器对所述工作数据和/或第一处理数据进行第五处理，得到第五处理数据；

步骤S182，基于所述第五处理数据，所述第二处理器确定所述燃油泵的故障类型。

8.根据权利要求1所述的一种燃油泵状态监测及分析方法，其特征在于，

所述燃油泵状态监测及分析方法还包括：

步骤S191，基于所述工作状态判断为所述一般异常或正常，第二处理器对所述工作数据和/或第一处理数据进行第六处理，得到第六处理数据；

步骤S192，基于所述第六处理数据，所述第二处理器确定所述燃油泵的剩余寿命。