[发明专利]基于迁移学习的飞机辅助动力装置寿命预测方法

说明书

基于迁移学习的飞机辅助动力装置寿命预测方法，涉及飞机辅助动力装置寿命预测领域。本发明是为了解决目前飞机辅助动力装置在翼状态监测数据少，维度低，使用在翼监测数据难以获得准确度高的寿命预测结果的问题。采集飞机辅助动力装置的试车测试仿真数据作为源域数据；采集任意一个飞机辅助动力装置的在翼监测数据作为目标域数据，将该数据分为训练集和测试集；采用源域数据训练高斯过程回归预测模型得到含有特征提取方法的高斯过程回归预测模型；使用训练集对得到的模型进行训练得到训练好的基于迁移学习的高斯过程回归预测模型；采用训练好的该模型对测试集进行寿命预测得到的预测值作为寿命预测结果。用于对飞机辅助动力装置进行寿命预测。

技术领域

本发明涉及使用直推式迁移学习方法借助于在源域数据学到的特征，获得在翼监测数据的寿命预测结果，属于飞机辅助动力装置寿命预测领域。

背景技术

飞机辅助动力装置(Auxiliary Power Unit，APU)实质是一个小型的燃气涡轮发动机，一般安装在机身最后段的尾椎之内或一侧机翼的下方。在飞机起飞过程中，由于APU可以为飞机一部分额外耗能系统提供能源，使得发动机功率全部应用在飞机起飞过程，提高飞机起飞效能。通常情况下，APU可在飞机爬升到某预定高度时自动关闭，在飞行高度不超过某一阈值的情况下，APU可以再次启动，重新为发动机提供能源。降落后，发动机不再工作，空调、照明等相关工作仍由APU完成。APU的存在解决航空发动机起动过程的特殊性，同时也是保证发动机在发生偶然事故停机时再次起动的主要设备，无论是在飞机起飞过程，还是飞行过程中，APU的可靠性始终是飞机飞行安全的有力保障。通过有效的监测技术，对APU进行寿命预测，有效掌握设备的状态信息，及时发现问题并制定维修方法，从而有效预防某些功能故障的发生，控制并排除某些严重故障，减少经济损失，节约人力资源成本，缩小维修范围，减少停机时间。

但是目前APU在翼状态监测数据少，维度低，使用在翼监测数据难以获得准确度高的寿命预测结果。

发明内容

本发明是为了解决目前飞机辅助动力装置在翼状态监测数据少，维度低，使用在翼监测数据难以获得准确度高的寿命预测结果的问题。现提供基于迁移学习的飞机辅助动力装置寿命预测方法。

基于迁移学习的飞机辅助动力装置寿命预测方法，所述方法包括以下步骤：

步骤一、采集飞机辅助动力装置的试车测试仿真数据，作为源域数据；

采集任意一个飞机辅助动力装置的在翼监测数据，作为目标域数据，并将该目标域数据分为训练集和测试集；

步骤二、采用源域数据训练高斯过程回归预测模型，从源域数据中学习到特征提取的方法，从而得到含有特征提取方法的高斯过程回归预测模型；

步骤三、采用直推式迁移学习方法，使用训练集对步骤二中的含有特征提取方法的高斯过程回归预测模型进行训练，得到训练好的基于迁移学习的高斯过程回归预测模型；

步骤四、采用训练好的基于迁移学习高斯过程回归预测模型对测试集进行寿命预测，得到预测值，将该值作为飞机辅助动力装置的寿命预测结果。

本发明的有益效果为：

如果直接使用目标域(在翼监测数据)也可以训练模型，但是训练效果差，而本申请使用直推式迁移学习可以借助于在源域数据学到的特征，进而取得更好的效果。(类比于一个羽毛球打得特别好的人打乒乓球也会很容易打的好)。因为民机辅助动力装置在翼监测的全寿命周期数据很难获取，样本少，普通的机器学习算法很难在少样本的情况下取得好的预测结果。而迁移学习能够借助在其它域(源域含有大量的数据)学习到的特征和知识迁移到目标域中，进而提高辅助动力装置寿命预测的效果。因此，本申请迁移学习将数据量丰富的仿真监测数据迁移到在翼监测数据，以获得较高准确度的寿命预测结果。

附图说明

图1为具体实施方式一所述的基于迁移学习的飞机辅助动力装置寿命预测方法的流程图；