[发明专利]一种基于BP神经网络的发动机故障诊断方法及装置在审

专利信息
申请号: 201811510220.3 申请日: 2018-12-11
公开(公告)号: CN109580230A 公开(公告)日: 2019-04-05
发明(设计)人: 韩联庆 申请(专利权)人: 中国航空工业集团公司西安航空计算技术研究所
主分类号: G01M15/00 分类号: G01M15/00;G06N3/04;G06N3/08
代理公司: 中国航空专利中心 11008 代理人: 王世磊
地址: 710000 *** 国省代码: 陕西;61
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 发动机故障诊断 结果矩阵 矩阵 发动机参数 输入发动机 故障结果 历史数据 实时数据 特征参数 解析
【说明书】:

发明提供一种基于BP神经网络的发动机故障诊断方法,所述方法包括以下步骤:根据引发故障的发动机参数数据,训练BP神经网络;向所述BP神经网络输入发动机特征参数实时数据或历史数据矩阵;通过所述BP神经网络进行发动机故障诊断,并得到结果矩阵;根据所述结果矩阵解析出发动机故障结果。

技术领域:

本发明是属于发动机健康管理技术领域,涉及一种基于BP神经网络的发动机故障诊断方法及装置。

背景技术:

飞机发动机是一个复杂的系统,被称为飞机的心脏。及时发现发动机的安全隐患,对飞机安全性有着重大意义,也是发动机健康管理的主要目的。而数据是发动机健康管理的基础。发动机在飞行或试车过程中会产生大体量的数据,这些发动机数据隐含着发动机的故障和状态信息,充分合理地使用这些数据对发动机健康管理有着非常重要的意义。通过对发动机各种参数数据使用有效的方法进行数据挖掘,可以分析出隐含在参数数据中的发动机故障和状态信息,进而可以判断出发动机当前健康状态,为发动机维护提供依据。

发明内容:

本发明是设计一种基于BP神经网络的发动机故障诊断方法,使发动机故障诊断具有明显的可行性和可操作性。

第一方面,本发明提供一种基于BP神经网络的发动机故障诊断方法,方法包括以下步骤:

根据引发故障的发动机参数数据,训练BP神经网络;

向所述BP神经网络输入发动机特征参数实时数据或历史数据矩阵;

通过所述BP神经网络进行发动机故障诊断,并得到结果矩阵;

根据所述结果矩阵解析出发动机故障结果。

可选的,所述根据引发故障的发动机参数数据,训练BP神经网络,具体包括:

依据经验、事实或已有成果确定发动机故障类型;

根据所述故障类型,提取与所述故障类型对应的特征参数;

根据所述故障类型和所述特征参数,构建BP神经网络;

所述BP神经网络包括输入层、中间层和输出层,所述BP神经网络的输入层神经元为各个特征参数,所述BP神经网络的输出层神经元代表不同的故障类型。

可选的,所述根据引发故障的发动机参数数据,训练BP神经网络,具体包括:

筛选出引发故障的发动机参数数据,组成输入矩阵;

根据不同故障,组成目标矩阵;

使用由所述输入矩阵和所述目标矩阵定义的样本训练BP神经网络。

第二方面,本发明提供一种基于BP神经网络的发动机故障诊断装置,装置包括训练单元、输入单元、诊断单元,解析单元,其中:

所述训练单元,用于根据引发故障的发动机参数数据,训练BP神经网络;

所述输入单元,用于向所述BP神经网络输入发动机特征参数实时数据或历史数据矩阵;

所述诊断单元,用于通过所述BP神经网络进行发动机故障诊断,并得到结果矩阵;

所述解析单元,用于根据所述结果矩阵解析出发动机故障结果。

综上所述,本发明的优点包括:

1)维护人员便于理解;

2)使用BP神经网络工具便于施行;

3)诊断结果置信度高;

4)便于实现发动机故障自动诊断。

附图说明

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国航空工业集团公司西安航空计算技术研究所,未经中国航空工业集团公司西安航空计算技术研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811510220.3/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top