[发明专利]一种飞机液压系统故障识别方法，设备及可读存储介质

权利要求书

1.一种飞机液压系统故障识别方法，其特征在于，方法包括：

步骤1，获取飞机多个架次的N种对液压系统故障敏感的飞参数据，并构建时序数据集，并进行数据预处理；

步骤2，对于N种液压系统参数所构建的时序数据集进行划分，分为具有标注故障状态的时序数据集和未标注故障状态的时序数据集；

步骤3，利用N种液压系统参数，构建基于半监督学习的飞机液压系统故障识别模型，并优化该半监督学习模型；

步骤4，根据基于半监督学习的飞机液压系统故障识别模型及真实数据集，确定飞机液压系统的实际故障状态。

2.根据权利要求1所述的故障识别方法，其特征在于，

步骤1还包括：

步骤11，所述的N种对液压系统故障敏感的飞机参数包括液压1(Hydr_1)、液压2(Hydr_2)、低液压1开关表决信号(v_vdhd1sw_0)、低液压2开关表决信号(v_vdhd2sw_0)、电子设备热(TroubleWord2_4)、探头加温系统故障(TroubleWord2_5)；

步骤12，对所构建的时序数据集进行数据预处理，所述预处理包括异常值剔除、缺失数据填补、去噪滤波和归一化处理。

3.根据权利要求1所述的故障识别方法，其特征在于，

步骤2还包括：

所述的对于N种液压系统参数所构建的时序数据集进行划分，分为具有标注故障状态的时序数据集和未标注故障状态的时序数据集；进行标注故障状态时，由用户进行手动标注；

液压系统的故障状态分为正常状态和故障状态，分别标记为0或1。

4.根据权利要求1中所述的故障识别方法，其特征在于，

步骤3还包括：

步骤31，对于具有标注故障状态的时序数据集进行聚类，并计算得到聚类中心；聚类中心的计算公式为：

其中，P_ik＝f(x_i；θ)[k]表示历史标注故障状态的样本x_i属于第k类的概率，i表示历史标注样本的序号，k表示历史标注样本的标签类别序号，θ为半监督学习模型中的student模型权重参数；

θ′半监督学习模型中的teacher模型权重参数；

分类函数f(x_i；θ)由特征抽取器z和线性分类器g构成，即f＝g·z；

步骤32，根据模型计算具有标注时序数据集的预测标签，结合预测标签与实际标签求得第一损失函数；

步骤33，将未标注故障状态的样本和聚类中心的历史标注故障状态的样本中的对应特征进行比对分析，并基于二者特征的偏差来计算得到第二损失函数L_c；

其中，X_U为未标注故障状态的时序数据集，K为聚类中心μ_k的集合；

步骤34，结合第一损失函数和第二损失函数，并采用预设的半监督学习算法优化模型的参数。

5.根据权利要求1中所述的故障识别方法，其特征在于，

步骤4还包括：

所述的根据基于半监督学习的飞机液压系统故障识别模型及真实数据集，确定飞机液压系统的实际故障状态。

6.一种实现飞机液压系统故障识别方法的设备，其特征在于，包括：

存储器，用于存储计算机程序及飞机液压系统故障识别方法；

处理器，用于执行所述计算机程序及飞机液压系统故障识别方法，以实现如权利要求1至5任意一项所述飞机液压系统故障识别方法的步骤。

7.一种具有飞机液压系统故障识别方法的可读存储介质，其特征在于，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行以实现如权利要求1至5任意一项所述飞机液压系统故障识别方法的步骤。