[发明专利]一种用于航空发动机防喘控制系统故障率曲线估计方法

权利要求书

1.一种用于航空发动机防喘控制系统故障率曲线估计方法，其特征在于，包括以下过程：

步骤一：为估计故障率曲线，收集多架飞机发动机防喘控制系统完全样本故障数据；假设航空发动机防喘控制系统故障数据服从威布尔分布，二参数威布尔分布概率密度函数故障率函数为m>0为形状参数，η>0为尺度参数；

步骤二：基于支持向量回归机估计所述步骤一中威布尔分布模型参数的形状参数m和尺度参数η：

用支持向量机来估计威布尔模型参数，通过一个非线性映射Φ，将输入空间的数据x映射到高维特征空间F中，并在这个空间进行线性回归；

给定样本数据{x_i,y_i},i＝1,2,…,l，其中x_i∈R^m,y_i∈R，其中y_i为期望值，l为数据点的总数；支持向量机通过引入损失函数来解决回归问题，采用下式来估计函数：

y＝f(x)＝<ω·Φ(x)>+b,Φ:R^m→G,ω∈G。

对优化目标取极值：

式中，C为惩罚因子，实现在经验风险和置信范围的折中；ξ_i和为引入的松弛因子；ε为损失函数；

步骤三：基于人工蜂群算法优化所述步骤二中的支持向量回归机的惩罚参数C和损失函数ε，最终完成航空发动机防喘控制系统故障率曲线估计。

2.如权利要求1所述的一种用于航空发动机防喘控制系统故障率曲线估计方法，其特征在于，所述步骤一中，假设故障数据服从二参数威布尔分布，进行威布尔线性变换，完成对威布尔模型的线性化，其中，累计失效概率F(t_i)可以利用中位秩估计给出，这样可以得到一组数列(t₁,F(t₁)),(t_i,F(t_i)),…,(t_n,F(t_n))，将上式变换为(x₁,y₁),(x₂,y₂),…,(x_n,y_n)。

3.如权利要求1所述的一种用于航空发动机防喘控制系统故障率曲线估计方法，其特征在于，所述步骤二中，损失函数能够用稀疏数据点表示决策函数，引入损失函数ε，其定义为引入的拉格朗日乘子α_i和把凸优化问题简化为最大化二次将只有不等于0的拉格朗日乘子α_i和用来进行预测和回归，回归函数表示为其中，

可以看成解二次型规划的问题，对于给定的训练样本，找到权值ω和偏移b的最优值，满足Karush-Tucker(KKT)条件，因而回归函数为K(x_i,x)是核函数；

选择采用高斯径向基核函数σ是核函数的参数。

4.如权利要求1所述的一种用于航空发动机防喘控制系统故障率曲线估计方法，其特征在于，所述步骤三中，人工蜂群算法实现的基本步骤如下：

3.1)初始化蜜蜂种群：初始时刻，所有蜜蜂没有任何先验知识，其角色都是侦察蜂；全局随机搜索蜜源，并根据蜜源情况得出蜜源花蜜量，即蜜源的“收益度”；

种群参数有以下三个：

①蜜蜂总数N，定义采蜜蜂和观察蜂分别为N/2；

②最大迭代次数maxCycle，每次迭代中都有一次全局搜索和一次局部搜索；

③蜜源停留最大限制搜索次数Limit，局部搜索Limit次，蜜源未更新，则采蜜蜂、观察蜂转化为侦察蜂；

3.2)根据第3.1)步所有蜜蜂的蜜源“收益度”的相对大小，蜜蜂转化为采蜜蜂和观察蜂两种，收益度排名相对靠前的成为采蜜蜂，收益度排名相对靠后的成为观察蜂；观察蜂在舞蹈区等待，根据采蜜蜂的摇摆舞等信息确知蜜源花蜜量多少，花蜜量越高的蜜源招募的观察蜂越多；

3.3)对于每只采蜜蜂，继续在原蜜源附近采蜜，寻找其他新蜜源，并计算其适应度值，若其收益度高，则蜜蜂由贪恋准则，以新蜜源取代原蜜源；

3.4)对于每只观察蜂，按照与蜜源适应度值成比例的概率，选择一个蜜源，并在其附近进行采蜜，寻找其他蜜源，同第3.3)步中的采蜜蜂一样，若其收益度更高，则观察蜂转换为采蜜蜂，取代原蜜源位置；

3.5)若采蜜蜂、观察蜂搜寻次数超过限定次数Limit，仍然没有找到更高适应度的蜜源，则放弃该蜜源，同时蜜蜂的角色由采蜜蜂或者观察蜂转化为侦察蜂，并随机产生一个新的蜜源；

3.6)记录当前所有蜜蜂找到的最优蜜源，并调至第3.2)步，直到满足最大迭代次数maxCycle的条件或小于优化误差时输出全局最优位置，即得到最优参数估计结果。