[发明专利]一种基于飞机参数数据的状态检测方法

说明书

本发明属于飞机异常状态检测技术领域，具体涉及一种基于飞机参数数据的状态检测方法。本发明方法获取飞机参数数据，再通过边界划分，获取飞机参数数据最小边界数据包，构建正常状态数据超球体和已知故障状态数据超球体；再对球体飞机参数数据进行低维到高维的映射，并在高维空间中进行数据的分类处理，并确定异常梯度等级，形成状态检测模型；最后将飞机参数数据放在状态检测模型中，输出相应状态结果，并进行状态确认。本发明有助于解决飞机因经验、知识不足导致故障模式覆盖不全，从而难以检测未知异常状态，为飞机运行带来的严重风险等实际问题，有效提高异常状态检测成功率，提高飞行安全。

技术领域

本发明属于飞机异常状态检测技术领域，具体涉及一种基于支持向量域数据描述(Support Vector Domain Description；SVDD)和核函数(Kernel Function；KA)的飞机异常状态划分的异常检测方法。

背景技术

飞机的工作机理非常复杂，而且其工作环境千变万化，在飞机设计过程中难以全面地分析故障模式，造成其在使用过程中未知故障(或称为异常状态)难以检测和隔离，为飞机在使用过程中的安全性和经济性造成潜在隐患。

由于飞机在飞行过程中各关键系统的监测参数数据尚未得到充分的挖掘，对于当前数据所处的状态未能完全掌握，一些潜在的异常状态未能得到挖掘和分析，且异常状态的程度等级不能确定，为飞机的正常飞行造成一定的安全隐患。

以往的状态检测方法采用物理模型的方法，对于先验知识的依赖程度高，建立在先验知识积累的基础上，在出现异常时，不能及时检测，故难以掌握飞机当前的状态，无法为后续故障诊断提供支撑信息。

发明内容

本发明的目的：针对上述问题，提出一种基于数据驱动，在不依赖先验知识的前提下，能够准确检测出飞机异常状态的方法。

本发明的技术方案是：一种基于飞机参数数据的状态检测方法，其具体步骤如下：

步骤1数据获取：获取飞机参数数据；

步骤2构建超球体：通过边界划分，获取飞机参数数据最小边界数据包，构建正常状态数据超球体和已知故障状态数据超球体；

步骤3确定异常梯度等级：对球体飞机参数数据进行低维到高维的映射，并在高维空间中进行数据的分类处理，并确定异常梯度等级，形成状态检测模型；

步骤4状态检测：将飞机参数数据放在状态检测模型中，输出相应状态结果，并进行状态确认。

所述基于飞机参数数据的状态包括正常状态、异常状态、故障状态，其中，故障状态为已知故障状态，异常状态为处于正常状态和故障状态之间的非确定状态。

所述步骤2构建正常状态数据超球体和已知故障状态数据的超球体过程如下：

运用获取的飞机参数数据，采用支持向量域数据描述的方法，通过训练，建立能够包含全部或绝大多数目标样本的正常状态数据超球体和已知故障状态数据的超球体，被包含在球体内部或落在边界值上的样本或绝大多数样本为目标样本，其余落在边界球外的样本或绝大多数样本为奇异值点，正常状态数据占到总数据量的绝大多数，由于飞机的已知故障模式有限，因此已知故障状态数据量较少。

所述步骤3中状态检测模型形成过程如下：

通过一个非线性函数将原始输入空间的训练数据从低维空间映射到高维空间中，并在高维空间中进行数据的分类处理，由此方法确定正常状态数据超球体和已知故障状态数据超球体的球心、半径和数据样本中任意样本点Z相对于超球体的距离。

所述步骤3确定异常梯度等级，异常梯度是指将异常数据状态划分为四个等级{0、1、2、3}，0、1、2、3即为异常梯度等级，其中，0代表接近故障状态，1代表严重异常状态，2代表一般异常状态，3代表轻微异常状态，异常状态的四个等级代表了异常状态可能演化的故障程度或方向。