[发明专利]一种基于最大差异延展的航空发动机机械故障诊断方法

说明书

本发明公开了一种基于最大差异延展的航空发动机机械故障诊断方法，属于航空发动机故障诊断技术领域，其特点是采用最大差异延展算法对航空发动机机械故障振动采样数据进行非线性故障特征提取与识别，为利用非线性振动采样数据进行发动机机械故障诊断问题提供有效解决途径，提高航空发动机故障诊断的准确性。

技术领域

本发明涉及航空发动机故障诊断技术领域，具体的讲是一种航空发动机机械故障诊断方法。

背景技术

航空发动机是飞机的“心脏”，其运行状态直接关系着飞机的飞行安全。因此，航空发动机的故障诊断理论方法及应用研究得到了广泛重视。航空发动机机械故障诊断中一个有挑战性的难题就是如何处理具有高维数、非线性化特点的振动故障数据。传感器提供了大量的高维观测数据，它们包含了许多用于故障识别的有用信息。然而，在维数很高的数据空间中，不同的故障数据之间的理想分类边界通常是高度非线性的。传统的主成分分析、线性鉴别分析和独立分量分析等模式识别方法要求数据服从全局线性分布，无法有效的处理蕴含在高维空间故障数据的非线性结构，导致故障诊断准确性不高。

发明内容

本发明的目的是克服上述已有技术的不足，而提供一种基于最大差异延展的航空发动机机械故障诊断方法，为利用非线性振动采样数据进行故障诊断问题提供有效解决途径。

为了达到上述目的，本发明是这样实现的：

基于最大差异延展的航空发动机机械故障诊断方法，其特征在于包括如下步骤：

(1)将航空发动机机械故障产生的振动信号构建成高维采样信号空间数据；

(2)采用最大差异延展算法对高维采样信号空间数据进行非线性故障特征提取；

(3)采用重构误差法对提取的非线性故障特征进行故障识别，完成航空发动机的机械故障诊断。

优选地，所述的步骤(1)包含如下具体步骤：

(1a)对每段航空发动机机械故障产生的振动信号进行零均值化与方差单位化处理；

(1b)以振动信号的N个连续时域采样值来构造高维采样信号空间\^N，每段振动信号被映射成该高维采样信号空间的一个数据点。

优选地，所述的步骤(2)包含如下具体步骤：

(2a)在高维采样信号空间中为每个数据点确定它的k个近邻点，建立邻域关系，即构造一个邻接矩阵W，W_ij为矩阵W的第i行第j列元素，如果第i个数据点x_i是第j个数据点x_j的近邻，则W_ij＝1，否则W_ij＝0；

(2b)将高维信号采样空间中的数据点向低维故障特征空间进行非线性映射，映射过程要保持近邻点间的欧式距离不变，同时满足中心化约束，并且使得故障特征数据彼此之间差异最大化，具体为求解优化问题

s.t.||y_i-y_j||²W_ij＝||x_i-x_j||²W_ij,

获得故障特征数据y_i，从而完成非线性故障特征的提取。

优选地，所述的步骤(3)包含如下具体步骤：

(3a)对于待诊断的故障数据y^*，分别从每类故障特征数据中选择它的k个近邻点，计算近邻点对y^*的重构误差ε，即