[发明专利]一种分阶段的航空发动机性能衰退模式挖掘方法

权利要求书

1.一种分阶段的航空发动机性能衰退模式挖掘方法，其特征在于包括以下步骤：

步骤1：进行性能参数预处理，具体包括粗大误差处理、降噪处理；

步骤2：进行性能衰退模式挖掘，包括快速衰退阶段模式挖掘和正常衰退阶段模式挖掘，其中所述快速衰退阶段模式挖掘具体包括以下步骤：

Step2-1 按照式计算各样本点之间的距离，确定样本邻近数K，初始化每个样本点x_i的类别C_i＝-1，表示样本未分配，其中对于两个样本点x_i和x_j，其距离度量定义为式

式中——将x_i和x_j处理成初始值基本相等，且等长度的时序数据；

——和的长度；

——和的第k个采样点；

Step2-2 计算每个样本点的局部密度ρ_i和距离δ_i，确定样本点的γ_i值，绘制γ决策图，据此确定出聚类中心集合CI；

Step2-3 根据式确定离群点集合Outlier；

Step2-4 对除聚类中心点之外的非离群点采用分配策略一进行处理；

Step2-5 对经分配策略一未分配的非离群点和离群点集合Outlier中的样本点采用分配策略二进行处理；

Step2-6 经上述步骤未分配的样本点标记为噪声点；

其中上述样本分配策略一的详细步骤如下所述：

Step2-4-1 从聚类中心集合CI中选择一个新的聚类中心ci，然后将ci从CI中删除，

Step2-4-2 将ci点的K邻近集合KNN(ci)中的样本点并入ci所在的类别，初始化队列V_q，并将KNN(ci)中的样本点依次加入队列V_q，

Step2-4-3 将V_q中的首个样本点q取出，并将q从V_q中删除；对于集合KNN(q)中的每个样本r，如果满足条件：a)C_r＝-1，b)不属于离群点集，c)d_q,r≤mean({d_q,j|x_j∈KNN(r)})，则将样本r属于q所在的类别，并将样本点r放入队列V_q的末尾，

Step2-4-4 判断V_q是否为空，若为空，则继续，否则跳转至Step2-4-3，

Step2-4-5 判断CI是否为空，若为空，则结束策略一，否则跳转至Step2-4-1；

上述样本分配策略二的详细步骤如下所述：

Step2-5-1 确定识别矩阵S：初始化未分配样本集合Un，对Un中的每个元素u_i，统计KNN(u_i)中属于类别c(c＝1,2,…,|CI|)的样本数N_c(u_i)，得到一个1×|CI|的向量N(u_i)，则Un中的全部元素构成一个|Un|×|CI|的识别矩阵S，其中s(i,j)＝N_j(i)，i＝1,2,…,|Un|，j＝1,2,…,|CI|；

Step2-5-2 执行样本分配：从矩阵S中选择出将被分配的样本p，样本p是矩阵S中元素最大值对应的样本，即N_k(p)＝max{N_j(i)|i＝1,2,…,|Un|；j＝1,2,…,|CI|}，对样本点p按照如下方式分配：

a)如果N_k(p)＝K，则将矩阵S中最大值为K的全部样本分配到最大值所对应的类别，继续Step2-5-3；

b)如果0＜N_k(p)＜K，则从矩阵S中随机选择一个最大值为N_k(p)的样本点，将该样本点分配到最大值所对应的类别，标记被分配样本为p，继续Step2-5-3；

c)否则结束策略二；

Step2-5-3 更新识别矩阵S：对于KNN(p)中没有分配的样本q，令N_k(q)＝N_k(q)+1，并将该样本点对应向量N(p)从S中删除；

Step2-5-4 更新集合Un，判断Un是否为空，若为空，则结束策略二，否则跳转至Step2-5-2；

按照上述方法进行聚类处理，可获得EGTM时序数据分类结果，将每一类中的数据分别采用适合的多项式函数进行拟合，即可获得快速衰退阶段的性能衰退模式；

步骤2所述正常衰退阶段模式挖掘具体通过线性回归模型描述发动机在该阶段的性能衰退模式；

所述步骤1中粗大误差处理采用箱型图法对发动机的性能参数进行粗大误差的处理，箱形图法依据时序数据的四分位数和四分位距建立数据的置信区间，超出这个置信区间的数据被识别为异常点，具体为：将一组数据按照从大到小的顺序排列，根据排序后数列的上下四分位计算出数列的置信区间，在该区间内的数据点为正常值，超出该区间的数据点为异常值，该置信区间的表达式如式3-1所示：

式中Q₁——数列的下四分位；

Q₂——数列的上四分位；

QD——数列的四分位距，QD＝Q₂-Q₁；

——常数，与该数列的测量精度有关；

由上述分析，箱形图法进行误差判别的关键在于四分位数的确定，下面给出四分位数的计算步骤：

Step1-1 确定样本数列的数据个数n，并按照从小到大的顺序排序，

Step1-2 确定上下四分位数在数列中的位置，

设下四分位数Q₁在数列中的位置为上四分位数Q₂在数列中的位置为可分别由式3-2和式3-3计算确定：

Step1-3 根据四分位数的位置来确定四分位数；

当和为整数时，四分位数的数值即为数列中相应位置的数值，当和不为整数时，相应的四分位数是与其左右相邻的两个位置上的数值的加权平均数，如式3-4所示：

式中左侧位置的数值；

右侧位置的数值；

a_i——的小数部分；

由此即可判别出时序数列中的粗大误差点，对识别出的粗大误差点用该点左右相邻的两个数据点的平均值替代，在实际判别时，首先将时序数据分为若干组，分别对每组数据进行处理。