[发明专利]一种基于RBF神经网络的航空发动机过振的自动识别方法

权利要求书

1.一种基于RBF神经网络的航空发动机过振的自动识别方法，其特征在于，包括以下步骤：

获取若干航空发动机中与过振现象相关的若干航空发动机参数构建的时序数据集；

标记所述时序数据集中具有所述过振现象的数据；

根据所述若干航空发动机参数以及标记的所述数据进行训练并构建基于RBF神经网络的过振识别模型；

获取已知所述航空发动机的真实数据集，通过所述基于RBF神经网络的过振识别模型对所述真实数据集进行计算，以自动确认是否发生所述过振现象。

2.根据权利要求1所述的基于RBF神经网络的航空发动机过振的自动识别方法，其特征在于，所述若干航空发动机参数包括：低压涡轮后燃气总温、振动值、发动机低压转子转速、发动机高压转子转速、油门位置、低压进口叶片转角、高压进口叶片转角、喷口鱼鳞片位置、发动机进口空气总温、滑油进口压力、占空比S1、占空比S8和APII-39二次电源接通。

3.根据权利要求1所述的基于RBF神经网络的航空发动机过振的自动识别方法，其特征在于，所述获取若干航空发动机中与过振现象相关的若干航空发动机参数构建的时序数据集还包括：

对所述时序数据集进行数据预处理。

4.根据权利要求3所述的基于RBF神经网络的航空发动机过振的自动识别方法，其特征在于，所述数据预处理包括：异常值剔除、缺失数据填补、去噪滤波和归一化处理。

5.根据权利要求1所述的基于RBF神经网络的航空发动机过振的自动识别方法，其特征在于，所述时序数据集中的所述数据的标记为根据人工经验进行标记。

6.根据权利要求5所述的基于RBF神经网络的航空发动机过振的自动识别方法，其特征在于，根据人工经验进行标记包括：将人工判断有所述过振现象的所述数据标记为1，将无所述过振现象的所述数据标记为0。

7.根据权利要求1所述的基于RBF神经网络的航空发动机过振的自动识别方法，其特征在于，所述基于RBF神经网络的过振识别模型f(x)的表达式为：

其中，c_i表示第i个中心点，s表示中心点的数目，w_i表示RBF神经网络的权值，表示径向基函数：

其中，表示x到所有中心点距离的方差。

8.根据权利要求7所述的基于RBF神经网络的航空发动机过振的自动识别方法，其特征在于，所述基于RBF神经网络的过振识别模型的所述中心点通过模糊C均值算法进行初始化。

9.根据权利要求1所述的基于RBF神经网络的航空发动机过振的自动识别方法，其特征在于，所述基于RBF神经网络的过振识别模型包括有过振神经网络和无过振神经网络，待预测值通过所述有过振神经网络得到有过振函数值f(x|有过振)，所述待预测值通过所述无过振神经网络得到无过振函数值f(x|无过振)。

10.根据权利要求9所述的基于RBF神经网络的航空发动机过振的自动识别方法，其特征在于，还包括：根据所述有过振函数值和所述无过振函数值的大小识别所述待预测值是否过振，所述有过振函数值的大小大于所述无过振函数值的大小，识别为有过振；所述有过振函数值的大小小于所述无过振函数值的大小，识别为无过振。