[发明专利]基于生成式对抗网络的航空发动机状态监测数据生成方法

权利要求书

1.一种基于生成式对抗网络的航空发动机状态监测数据生成方法，其特征在于：包括以下步骤：

1)针对航空发动机状态监测参数，以生成式对抗网络理论为基础，设计生成航空发动机状态监测数据模型；

2)建立基于生成网络及判别网络的生成航空发动机状态监测数据的对数似然函数；

3)针对航空发动机状态监测参数，分别建立生成网络及判别网络的目标函数，最终建立生成式对抗网络的目标函数；

4)根据建立的生成式对抗网络目标函数，确立生成状态监测数据的网络对抗训练的收敛标准；

5)对建立的生成式网络进行网络对抗训练并生成航空发动机状态监测数据；

6)针对生成数据运用拉依达准则进行异常值剔除及数据分析。

2.根据权利要求1所述的基于生成式对抗网络的航空发动机状态监测数据生成方法，其特征在于：在所述步骤1)中，所针对不同的状态监测参数包括排气温度裕度、滑油压力、高压转子转速偏差、燃油消耗量偏差、低压转子振动值偏差、高压转子振动值偏差。

3.根据权利要求1所述的基于生成式对抗网络的航空发动机状态监测数据生成方法，其特征在于：在所述步骤2)中，生成网络及判别网络由多层神经网络构成，其网络参数包括神经元个数及层数，确立网络参数后分别针对步骤1)中的航空发动机状态监测参数，建立基于生成网络及判别网络的生成航空发动机状态监测数据的对数似然函数，表示为式中，G(z)为噪声样本集的数据空间映射，D(x)为多层判别网络的输出数据，P_data(x)为状态监测数据概率密度函数，P_z(z)为生成数据的概率分布。

4.根据权利要求1所述的基于生成式对抗网络的航空发动机状态监测数据生成方法，其特征在于：所述步骤3)的具体方法为：

3.1)建立生成网络目标函数

生成网络模型通过自身模型产生逼近状态监测数据分布的模拟分布，生成网络的目标函数为

3.2)建立判别网络目标函数

判别模型估计一个样本数据来自于航空发动机监测数据的概率，如果样本来自于航空发动机监测数据，则判别模型输出大概率，否则，输出小概率；判别网络的目标函数为

3.3)建立生成式对抗网络目标函数

结合生成模型与判别模型的目标函数，得到生成式对抗网络目标函数为

其中，G(z)为噪声样本集的数据空间映射，D(x)为多层判别网络的输出数据，P_data(x)为状态监测数据概率密度函数，P_z(z)为生成数据的概率分布。

5.根据权利要求1所述的基于生成式对抗网络的航空发动机状态监测数据生成方法，其特征在于：在所述步骤4)中，生成式对抗网络的全局最小点的充分必要条件为：P_g＝P_data(x)，也就是在网络对抗训练过程中，生成数据的概率分布P_g不断地接近状态监测数据概率密度函数P_data是监测参数的对抗网络收敛标准。

6.根据权利要求1所述的基于生成式对抗网络的航空发动机状态监测数据生成方法，其特征在于：在所述步骤5)中，针对步骤3)中所建立的生成式对抗网络，进行网络对抗训练直至步骤4)中的收敛标准，并生成航空发动机状态监测数据。