[发明专利]一种飞机发电机整流器的自适应故障诊断方法

摘要

本发明提出一种飞机发电机整流器的自适应故障诊断方法，实现飞机发电机整流器状态监控和故障检测，方法的实现内容包括确定飞机发电机整流器二极管的工作模式，获取各种工作模式下的飞机发电机整流器二级管历史数据，利用这些历史数据进行训练，基于stumps的方法建立飞机发电机整流器二极管各种工作模式分类器，采用基于自适应的方法改变不同分类器的权重，产生整体二分类器，最后利用Generalized Bradley‑Terry模型，引入主动学习机制，构成多分类器，此方法集成于飞机发动机的FADEC中，可以实现对发电机整流器故障监测，提高飞机发电机整流器故障诊断的准确率和效率，当整流器发生故障时系统可自动切断连接，防止对下级设备造成损害。

主权项

一种飞机发电机整流器的自适应故障诊断方法，其特征在于：采用以下步骤：步骤1：获取飞机发电机整流器6个二极管在13种状态模式下的电压运行数据；所述13种状态模式分别为：1、整流器二极管全无故障的状态模式M0，对应的电压运行数据为S0；2、整流器6个二极管各自单独出现故障的状态模式M1，M2，M3，M4，M5和M6，依次对应的电压运行数据为S1，S2，S3，S4，S5，S6；3、整流器6个二极管中有两个二极管同时出现故障的状态模式M7，M8，M9，M10，M11和M12，依次对应的电压运行数据为S7，S8，S9，S10，S11和S12；步骤2：对步骤1得到的13种状态模式下的电压运行数据进行特征提取，建立故障检测训练集：步骤2.1：将电压运行数据S0～S12分别分为t段；对于电压运行数据Si，0≤i≤12，得到的分段数据为Si,1，Si,2，…，Si,t；步骤2.2：对于电压运行数据Si，计算每段数据的峭度ki，j，0≤i≤12,1≤j≤t：ki,j=1δi,j4NΣz=1N(xi,j,z-x‾i,j)4]]>其中N为每段数据中的数据点数，xi,j,z为数据点，为第i个电压运行数据的第j分段的数据均值，δi,j为第i个电压运行数据的第j分段的数据标准差；步骤2.3：根据步骤2.2的结果构建故障检测训练集Tr：步骤3：运用自适应方法对故障检测训练集Tr构建分类器：步骤3.1：建立初始权重向量D1i,j：D1i,j＝(ω1i,1,…,ω1i,j,…,ω1i,t) ω1i,j=1t,0≤i≤12,1≤j≤t;]]>其中ω1i,j为对第i个电压运行数据的第j分段数据的峭度特征所赋予的初始权重；步骤3.2：采用stumps方法建立分类模型Gm(ki,j)：Gm(ki,j)=Mp,ifki,j>θandyi,j∈SMq,ifki,j<θandyi,j∈S]]>其中θ代表采用峭度特征进行状态模式识别的阈值，yi,j指第i个电压运行数据的第j分段数据的峭度特征所代表的状态模式；S＝{Mp,Mq}，Mp,Mq为13种状态模式的两种状态模式；取m＝1，2，3，…，Q，按照分类模型，并设置不同的θ，构建Q个分类器；步骤3.3：根据下面公式迭代计算每个分类器的第β次迭代过程中的错误分类的误差eβi,m，eβi,m表示第β次迭代过程中第m个分类器在区分第i个电压运行数据时产生的误差：eβi,m=Σj=1tωβi,jI(Gm(ki,j))]]>其中I(Gm(ki,j))=1,Gm(ki,j)≠yi,j0,Gm(ki,j)=yi,j,]]>表示第i个电压运行数据的第j个分段数据在第β次迭代过程中的权值；步骤3.4：根据下面公式计算分类器Gm(ki,j)的系数αβm和新的权值ωβ+1i,j，其中αβm表示第m个分类器第β次迭代时的权值系数，ωβ+1i,j表示第i个电压运行数据的第j个分段数据在第β+1次迭代过程中的权值；αβm=12log1-eβi,meβi,m]]>ωβ+1i,j=ωβi,jZme-αβm,Gm(ki,j)≠yi,jωβi,jZmeαβm,Gm(ki,j)=yi,j]]>其中Zm为规范化因子，并得到新的权重向量Dβ+1i,jDβ+1i,j＝(ωβ+1i,1,…,ωβ+1i,j,…,ωβ+1i,t)；步骤3.5：经过设定次数迭代后，得到分类器线性加权后的整体二分类器Cs：Cs=sign(Σm=1QαβmGm(ki,j));]]>步骤3.6：根据步骤3.5得到的整体二分类器Cs，利用Generalized Bradley‑Terry模型，引入主动学习机制，构成多分类器Cf；步骤4：获取新的待诊断的飞机整流器电压运行数据，并将新的待诊断的飞机整流器电压运行数据按照步骤1和步骤2的过程建立故障检测集，并将故障检测集输入到多分类器Cf中，得到状态识别结果。