[发明专利]航空发动机故障预测方法

权利要求书

1.一种航空发动机故障预测方法，其特征在于，包括：

收集发动机记录系统中的参数数据获取发动机振动信号，基于所述参数数据确定训练数据集；

使用python平台构造LSTM神经网络模型，根据所述训练数据集及所述LSTM神经网络，确定信号边际谱；

使用python平台构造BP神经网络模型，使用所述边际谱特征训练集训练BP神经网络，获取训练收敛后的BP神经网络参数并存储；

根据训练完成的BP神经网络模型预测航空发动机故障。

2.根据权利要求1所述的方法，其特征在于，所述收集发动机记录系统中的参数数据之后包括：将所述参数数据进行如下标准化预处理：

将所述参数数据进行清洗、标记；

对所述参数数据进行归一化处理，按照如下公式将所有数据归一化到0～1之间

其中：X_min为参数数据的最小值，X_max为参数数据的最大值，X为参数数据值。

3.根据权利要求1中任一项所述的方法，其特征在于，所述使用python平台构造LSTM神经网络模型，根据所述训练数据集及所述LSTM神经网络，确定信号边际谱包括：

使用python平台构造LSTM神经网络，使用所述训练数据集训练所述LSTM神经网络模型，使用训练完成的LSTM神经网络模型预测航空发动机振动信号数据，将预测的信号进行经典模态分解，根据信号的固有波动模式将其分解为一系列IMF分量，对经过经典模态分解得到的IMF信号实施Hilbert变换，将所有IMF信号Hilbert变换数据相加，即为原始振动信号的HHT时频谱H(ω，t)，对HHT时频谱数据在时间上进行积分求和，可得到信号边际谱h(ω)。

4.根据权利要求3所述的方法，其特征在于，所述LSTM神经网络模型包括：一个输入层、一个LSTM细胞层、一个输出层；

所述LSTM细胞层的内部设置若干门限，包含遗忘门f_t、输入门i_t、输出门o_t；并且LSTM递归循环神经网络的前向传播函数为：

i_t＝σ(W_xiX_t+W_hih_t-1+b_i)

f_t＝σ(W_xfX_t+W_hfh_t+b_f)

c_t＝f_t*c_t-1+tanh(W_xcX_t+W_hch_t-1+b_c)

o_t＝σ(W_xoX_t+W_hoh_t-1+b_o)

其中，W_xi为输入层到输入门之间的权重；W_hi为上一时刻隐藏层与输入门之间的权重；W_xf为输入层到遗忘门之间的权重；W_hf为上一时刻隐藏层与遗忘门之间的权重；W_xc为输入层到状态细胞之间的权重；W_hc为上一时刻隐藏层与状态细胞之间的权重；W_xo为输入层到输出门之间的权重；W_ho为上一时刻隐藏层与输出门之间的权重；σ表示sigma函数；X_t表示输入；h_t-1表示上一时刻隐藏层的输出；b_i表示输入门偏置；b_f表示遗忘门偏置；c_t表示状态细胞输出；b_c表示状态细胞偏置；b_o表示输出门偏置。