[发明专利]民机试飞振动故障预测模型和预测系统

权利要求书

1.一种民机试飞振动故障预测模型，通过以下步骤建立：

步骤1：建立数据库，所述数据库由特征参数集合X以及各特征对应的状态Y组成；所述特征参数集合包含从民机各部位的振动参数中提取的时域特征、从民机各部位的振动参数中提取的频域特征、以及与振动参数相关性大于0.6的飞行参数；时域特征包括振动幅值的振动幅值的最大值、最小值、峰峰值，幅值变化率；频域特征包括频率组成、频率大小、频率随时间的变化趋势；

步骤2：利用二分类支持向量机模型建立民机试飞振动故障预测模型：

通过对数据库数据进行提取，构建训练集合Z：

Z＝{(x₁,y₁),..(x_i,y_i).,(x_l,y_l)}∈(X×Y)^l (公式1)

其中，x_i∈X，y_i∈Y＝{1,-1}(i＝1,2,...,l)；x_i为特征向量，包括了时域特征、频域特征以及飞行参数，y_i为灵敏度响应值，当y_i＝1为正常状态，y_i＝-1为异常状态,i为参数临时变量，l为总共的特征向量个数；

利用拉格朗日函数求原问题的对偶问题，最优化问题描述为：

其中：α_i、α_j为拉格朗日因子，i为参数临时变量，j为样本采样点个数，l为总共的特征向量个数，K(x_i,x_j)为高斯核函数，x_i和x_j代表每个具体的第i个特征变量的第j个采样点，C为惩罚因子；

利用SMO算法求解凸二次规划问题得最优解：其中，T表示矩阵的转置；

利用KKT条件，选取α^*的一个正分量0≤α_i≤C，计算阈值：

得出二分类支持向量机模型，即民机试飞振动故障预测模型：

得到二分类支持向量机模型也就确定了试飞数据的预警边界，通过这个预警边界作为数据正常和异常单状态判断的依据。

2.一种民机试飞振动故障预测系统，包含权利要求1所述民机试飞振动故障预测模型、试飞参数实时解析模块、结果分发模块，其特征在于：

试飞参数实时解析模块用于解析传感器采集到试飞过程中的特征参数，将解析结果发送到民机试飞振动故障预测模型；其中，特征参数包含从民机各部位的振动参数中提取的时域特征、从民机各部位的振动参数中提取的频域特征、以及与振动参数相关性大于0.6的飞行参数；时域特征包括振动幅值的振动幅值的最大值、最小值、峰峰值，幅值变化率；频域特征包括频率组成、频率大小、频率随时间的变化趋势；

民机试飞振动故障预测模型用于根据试飞过程中的特征参数得到预警边界,当出现故障或接近预警边界时，将分类结果或预警状态发送至结果分发模块；

结果分发模块将分类结果或预警状态发送至各个实时监控终端。

3.根据权利要求2所述的一种民机试飞振动故障预测系统，其特征在于由GoLang实现。