[发明专利]一种基于堆叠去噪自编码器的涡轮发动机性能退化评估方法

权利要求书

1.一种基于堆叠去噪自编码器的涡轮发动机性能退化评估方法，其特征在于，该方法的具体步骤为：

步骤一、利用N个监控单元获取涡轮发动机的所有传感器监测数据；观察、并筛选出监测数据存在变化的传感器的数据x_k，k＝1,2,…,Q，Q是监测数据存在变化的传感器个数；

步骤二、将步骤一筛选出的每个传感器的数据x_k分别归一化至[0,1]区间内；将筛选后的一部分监控单元的传感器数据作为训练集数据，另一部分监控单元的传感器数据作为测试集数据；

步骤三、建立由4个去噪自动编码机组成的堆叠去噪自编码器网络用于对训练集数据和测试集数据进行特征提取，其中，第一去噪自编码机和第二去噪自编码机构成堆叠去噪自编码器网络的编码网络，第三去噪自编码机和第四去噪自编码机构成堆叠去噪自编码器网络的解码网络；

将步骤二确定的训练集数据输入堆叠去噪自编码器网络的编码网络中，使训练集数据依次经过编码网络的第一去噪自编码机和第二去噪自编码机的无监督预训练，得到编码网络的第一去噪自编码机的编码参数θ1＝{W₁,b₁}，第二去噪自编码机的编码参数θ2＝{W₂,b₂}；

设置解码网络的第三去噪自编码机的编码权值W₃为W₂的转置，第四去噪自编码机的编码权值W₄为W₁的转置；预训练完成后，利用BP算法对堆叠去噪自编码器网络的网络参数进行微调；利用微调后的网络参数得到编码网络输出的单个节点值；

所述步骤三的具体过程为：

堆叠去噪自编码器网络的结构包括输入层、编码网络的一个隐含层、编码网络的输出层、解码网路的一个隐含层和解码网络的输出层；

堆叠去噪自编码器网络参数进行随机初始化后，训练集数据依次经过编码网络中的第一去噪自编码机和第二去噪自编码机的无监督预训练；第一去噪自编码机预训练完成后保留隐含层的输出并将隐含层的输出作为第二去噪自编码机的输入，完成训练集数据在编码网络中的无监督预训练；

以训练集的原始数据作为标签，利用BP算法对堆叠去噪自编码器网络的网络参数进行微调的具体过程为：

假设训练集的原始数据为其中，是训练集原始数据的第m个原始样本，m的取值范围是1～M；则堆叠去噪自编码器网络的第一去噪自编码机的隐含层输出为将第一去噪自编码机的隐含层输出作为第二去噪自动编码机的输入，则第二去噪自编码机的隐含层输出为以此类推，堆叠去噪自编码器网络的第四去噪自动编码机的输出为

将训练集的原始样本作为标签值，计算误差函数φ(Θ)

其中，Θ＝{θ₁,θ₂,θ₃,θ₄}，参数更新方式为其中α为参数微调过程中的学习速率；

利用微调后的网络参数提取出编码网络输出的单个节点值；

步骤四、将步骤三提取出的单个节点值作为涡轮发动机循环处的健康因子值，构建出训练集上的健康因子曲线；

步骤五、将测试集数据输入到步骤三训练好的堆叠自编码器网络中，通过多个隐含层提取单个节点值；利用步骤四的方法构建测试集上的健康因子曲线；

步骤六、分别对步骤四和步骤五中构建好的健康因子曲线进行平滑处理，得到平滑处理后的训练集健康因子曲线和测试集健康因子曲线；

步骤七、分别计算训练集健康因子曲线和测试集健康因子曲线的时间关联性和单调性；利用平滑处理后的测试集健康因子曲线来评估涡轮发动机性能退化情况。

2.根据权利要求1所述的一种基于堆叠去噪自编码器的涡轮发动机性能退化评估方法，其特征在于，所述步骤二中每个传感器的数据归一化的过程为：

归一化方式为x_k^*＝(x_k-x_k,min)/(x_k,max-x_k,min)，其中x_k^*是每个传感器数据x_k归一化后的值，x_k,max和x_k,min分别对应于每个传感器在涡轮发动机各个循环的最大值和最小值。