[发明专利]一种基于信息融合技术智能模型的航空油液分析方法

权利要求书

1.一种基于信息融合技术智能模型的航空油液分析方法，其特征在于，包括以下步骤：

步骤1，信号采集与预处理，对油液传感器监测到的油液磨粒状态信号进行滤波、小波降噪的预处理；

步骤2，采用傅里叶变换和小波包能量谱的方法，对预处理后的油液磨粒状态信号进行特征提取，获取表征油液磨粒状态信号的特征参数；

步骤3，根据步骤2中获取的特征参数的种类和数量，构建RBP神经网络模型、BP神经网络模型、灰色关联度模型、模糊推理模型，然后利用获取的特征参数对各种模型进行训练处理；

步骤4，利用所述四种模型分别处理测试用油液磨粒的特征参数，获取模型关于油液磨粒各种状态的关联参数，然后通过D-S证据理论进行深度融合，判别出油液磨粒的状态信息。

2.根据权利要求1所述的基于信息融合技术智能模型的航空油液分析方法，其特征在于，步骤1所述油液传感器包括油液品质传感器、油液压力传感器、油液温度传感器以及油液流量传感器，其中：油液品质传感器监测油液品质，即油液颗粒物浓度、大小、质量的信息；油液压力传感器监测整个油液系统的压力值；油液温度传感器和油液流量传感器分别监测油液的温度和流量。

3.根据权利要求1所述的基于信息融合技术智能模型的航空油液分析方法，其特征在于，步骤2所述采用傅里叶变换和小波包能量谱的方法，对预处理后的油液磨粒状态信号进行特征提取，获取表征油液磨粒状态信号的特征参数，具体如下：

首先利用傅里叶频谱分析法对预处理后的油液磨粒状态信号进行频谱分析，确定油液磨粒的特征频率，并确定特征频率所处的特征频段；进而利用油液磨粒的特征频段确定小波包分解的参数，小波包分解过程如下：

函数ψ(x)的傅立叶变换ψ(ω)满足容许性条件：

其中表示容许值，R表示积分区间，x、ω分别为函数ψ(x)与ψ(ω)的函数核；

则函数ψ(x)作为一个基本小波母函数，通过变化小波母函数的尺度因子，在时域尺度上平移伸缩后的函数为φ_(m,n)(x)，变换因子为m平移因子为n，则有：

小波包与小波分析相同，由一系列线性组合的小波函数组成，即

式中，i,m,k分别为频率因子、尺度因子和平移因子；

对于采集到的任何一个时域信号y(t)进行如下分解：

其中，为第j层小波包分解的第i个频带的信号，t表示时间，具有如下关系：

其中，{h(k)}、{g(k)}为两尺度序列，视为正交共轭低通和高通滤波器，即利用滤波的方式获取所需的信号；

小波包分解对各层各阶信号的频段划分公式如下：

其中，n代表层数，p代表阶数，f_s代表采样频率；根据固有频段范围计算小波包分解所需要的层数和阶数；

小波分解信号的个数为2ⁿ个，小波包能量谱E计算公式如下：

根据以上计算过程提取出包含油液磨粒特征信息的小波包能量谱特征值，进而与等效直径、短/长轴比、傅氏圆形度、傅氏凹度、孔隙率、散射度、角二阶矩、梯度熵一起作为表征油液磨粒状态信号的特征参数。