[发明专利]发动机表面异常实时检测方法和装置、存储介质

说明书

本公开涉及一种发动机表面异常实时检测方法和装置、存储介质。该发动机表面异常实时检测方法包括：采集航空发动机试车现场的发动机表面图片；构建航空发动机表面异常检测模型；将发动机表面图片输入航空发动机表面异常检测模型，得到发动机异常检测结果。本公开能够自动实时检测航空发动机试车过程中表面异常。

技术领域

本公开涉及航空发动机制造领域，特别涉及一种发动机表面异常实时检测方法和装置、存储介质。

背景技术

在航空发动机的研发过程中，经常需要进行试车实验。在试车过程中，工作人员需要离开试车车间，以免中途可能会发生的一些意外事故。但是在试车过程中，工作人员需要实时观察发动机的表面状态，并记录下试车过程中出现的异常问题，用于后续的研发改进。

发明内容

发明人通过研究发现：相关技术工作人员在试车车间之外观察的主要方法是利用多个相机拍摄发动机的各个部位，实时肉眼观察多个相机画图，若观察到异常出现，将结果记录下来，以便实时干预和事后分析。若记录的试车过程异常信息需要与信息系统联动，通常采用人工录入的方式，将异常信息输入到信息系统中。整个流程通常会伴随着一次试车的全过程，时间会长达3到5天。人工观察、记录的方式需要多个专门的工作人员来轮流进行，非常单调、易疲劳出错。

鉴于以上技术问题中的至少一项，本公开提供了一种发动机表面异常实时检测方法和装置、存储介质，能够自动实时检测航空发动机试车过程中表面异常。

根据本公开的一个方面，提供一种发动机表面异常实时检测方法，包括：

采集航空发动机试车现场的发动机表面图片；

构建航空发动机表面异常检测模型；

将发动机表面图片输入航空发动机表面异常检测模型，得到发动机异常检测结果。

在本公开的一些实施例中，所述构建航空发动机表面异常检测模型包括：

构建航空发动机表面异常数据集；

训练航空发动机表面异常检测模型；

验证航空发动机表面异常检测模型在验证集上的效果。

在本公开的一些实施例中，所述构建航空发动机表面异常数据集包括：

对采集的发动机表面图片进行筛选；

对发动机表面图片中指定异常类型的发动机表面异常进行标注；

构建航空发动机表面异常数据的训练集和验证集。

在本公开的一些实施例中，所述训练航空发动机表面异常检测模型包括：

采用多层卷积神经网络和金字塔特征检测网络作为航空发动机表面异常检测模型；

采用模型损失函数计算出单次迭代的模型预测损失值；

根据模型预测损失值反向传播来修正航空发动机表面异常检测模型的参数权重。

在本公开的一些实施例中，所述将发动机表面图片输入航空发动机表面异常检测模型，得到发动机异常检测结果包括：

对航空发动机表面异常检测模型进行初始化并赋值；

将发动机表面图片转换为预定尺寸大小；

将预定尺寸大小的发动机表面图片输入航空发动机表面异常检测模型，前向计算得到异常预测结果。

在本公开的一些实施例中，所述将发动机表面图片输入航空发动机表面异常检测模型，得到发动机异常检测结果还包括：

对异常预测结果进行非极大值抑制处理；

按照预先设置的阈值过滤异常预测结果。