[发明专利]一种飞机燃油泵故障智能诊断方法、装置和存储介质

说明书

本发明提供了一种飞机燃油泵故障智能诊断方法、装置和存储介质，所述方法使用小波阈值去噪对原始数据集进行处理以消除数据中过多的噪声，让模型更好的学习到有用的特征，在一定程度上抑制了卷积神经网络的过拟合现象；在利用卷积神经网络进行故障诊断模型训练的过程中引入了灰狼优化算法，该算法通过模拟灰狼群体的等级与狩猎机制寻找适应度最高的灰狼位置来确定最优的超参数组合，免去了人工调参的烦恼，一定程度上加快了而训练速度且提高了网络的训练精度；本发明通过将飞机试飞过程采集到的试飞数据输入模型，可以实现对飞机燃油泵的精确的故障诊断。

技术领域

本发明属于飞机燃油系统的故障诊断技术领域，尤其涉及一种飞机燃油泵故障智能诊断方法、装置和存储介质。

背景技术

随着民用飞机普及，其安全性一直是被重点关注的因素。由于飞机结构复杂，故障具有隐蔽性，人为检修并不是一个高效可靠的方法，故各种各样的故障检测方法被提出。飞机燃油泵为飞机提供动力需求，其是否正常工作是飞机能否安全飞行的关键。因此，燃油泵的故障识别是确保飞机安全运行的关键方法之一。

故障诊断主要是对系统部件进行状态分析。如果系统中的某个参数脱离了所设置的正常范围，就认为系统出现了故障，故障可能会影响飞机性能，对飞机的安全性造成威胁。故障诊断就是通过对系统的重要参数进行实时监测，对系统出现的故障进行定位并在此基础上分析故障出现的原因。

传统的故障诊断技术依赖于解析模型或通过分析系统所采集信号对故障进行识别。基于模型的故障诊断方法作为最早出现的故障诊断方法，通过深入了解系统结构细节实现实时故障诊断，然而系统模型难以获得，建模误差较大等问题限制了其发展。基于信号的故障诊断方法基于对信号的处理分析，因其实现简单、表现直观等特点得到了广泛应用，但存在对潜在故障诊断效果不理想的缺点。

智能诊断技术是在计算机和人工智能的基础上发展起来的，是一门集数学、物理、通讯技术、信息处理、模式识别和人工智能等多学科于一体的综合性技术，他的出现为提高现代复杂工程技术系统的可靠性开辟了一条新的途径。智能诊断技术主要有专家系统、神经网络、支持向量机、深度学习等方法。

飞行过程中分布在飞机中的传感器产生的飞行数据包含有大量有用的信息，这些数据信息可以被收集起来进行分析，挖掘出内部隐含的信息，以此来监测系统的运行状况。目前对泵的故障诊断数据多采用泵收集的振动信号，选用实际飞行数据进行燃油泵故障诊断的研究较少，有待进一步开展研究。

发明内容

发明目的：飞机燃油泵为飞机提供动力需求，其是否正常工作是飞机能否安全飞行的关键，燃油泵的故障识别是确保飞机安全运行的关键方法之一；针对这一问题，本发明设计了一种可以对飞机燃油泵进行故障定位与诊断的方法；本方法通过利用采集到的飞机燃油系统关键部位的压力信号结合深度学习算法中常用的卷积神经网络对飞机燃油泵进行故障识别和定位，在检测到燃油泵出现故障时应及时进行维修更换，以免造成更大的损失。

本发明具体提供一种飞机燃油泵故障智能诊断方法，包括以下步骤：

步骤1，进行故障数据的采集；

步骤2，对采集到的故障数据进行预处理，将预处理后的故障数据划分为训练集和测试集；

步骤3，构建基于卷积神经网络(Convolutional Neural Network，CNN)的故障诊断模型；

步骤4，将训练集输入故障诊断模型中进行训练，训练过程中引入灰狼优化算法(Grey Wolf Optimizer,GWO)进行超参数寻优；

步骤5，将测试集输入至训练好的故障诊断模型中，测试实际对燃油泵的故障诊断效果。