[发明专利]基于分组卷积自编码器的航空发动机故障检测方法及系统

权利要求书

1.一种基于分组卷积自编码器的航空发动机故障检测方法，其特征在于，包括以下步骤：

变量分组步骤、基于变量之间的相关性将飞机通信寻址与报告系统ACARS数据的变量分成多个变量组；

特征提取步骤、采用卷积去噪自动编码器模型独立地提取每个变量组的特征；

故障识别步骤、将所有变量组的特征融合起来形成特征向量，基于该特征向量采用支持向量机来识别故障样本；

所述特征提取步骤包括以下子步骤：

无监督学习子步骤、采用去噪自动编码器模型对每个变量组的卷积核进行无监督学习；

卷积操作子步骤、将每个变量组的ACARS数据片段与对应的卷积核进行卷积，求得每个变量组的卷积特征图；

池化操作子步骤、基于每个变量组的卷积特征图进行池化操作，得到每个变量组的池化特征；

所述无监督学习子步骤包括：

(1)将每个ACARS数据片段向量化成为一维向量A；

(2)通过一个随机函数sf(·)，将一维向量A污染成

(3)将映射到隐层表示h，如下式所示：

σ(a)＝1/(1+e^-a)

式中，σ表示输入层与隐层之间的激活函数，W是输入层与隐层之间的权重矩阵，b是偏置向量；

(4)通过Dropout模型正则化技术，产生一个包含0-1随机数且服从伯努利分布的向量bv，将该向量与隐层表示h进行内积运算得到

(5)通过以下公式将映射到A的重构Z：

式中，W^T是输入层与隐层之间的权重矩阵W的转置，c是隐层与输出层之间的偏置向量；

(6)基于输入数据A、输出数据Z以及正则化项构建目标函数，通过最小化目标函数得到权重矩阵W和偏置向量b的最优值W_opt与b_opt，其中最优值W_opt变形为卷积核，b_opt作为偏置向量在卷积操作中使用。

2.根据权利要求1所述的基于分组卷积自编码器的航空发动机故障检测方法，其特征在于，所述故障识别步骤中将每个变量组的池化特征向量化，组合所有变量组的池化特征构成样本的特征向量，基于特征向量采用支持向量机进行模式识别，识别ACARS数据中的故障样本。

3.根据权利要求1所述的基于分组卷积自编码器的航空发动机故障检测方法，其特征在于，所述变量分组步骤中采用凝聚独立变量分组分析方法对ACARS数据的变量进行分组，给定一个ACARS数据集X＝[x₁x₂，…,x_m]，x_i代表第i个变量，变量x_i＝(x_i(1),...,x_i(T))是一个时间序列，T是时间序列长度；该步骤中对ACARS数据集的多维变量进行分割，将m维变量分割成n个互不相连的子集G＝{G_i|j＝1,...,n}，使得不同变量组的模型H_i的边缘对数似然性的总和最大化，其中G_i为第i个变量组中的ACARS变量集合。