[发明专利]基于AANN网络系统的航空发动机控制系统多重故障诊断方法

权利要求书

1.一种基于AANN网络系统的航空发动机控制系统多重故障诊断方法，其特征在于：

包括以下步骤：

步骤1：分别采集航空发动机的不同工作状态中，航空发动机处于健康状态以及不同部件故障状态下，航空发动机控制系统中的若干可测传感器数据；每个工作状态下的数据包括健康数据和多种部件故障下的数据，由健康数据和每种部件故障下的数据组合形成该工作状态下对应部件故障的一组样本数据集；

步骤2：对于每组样本数据集，将其分为训练集和验证集两部分，其中训练集用于训练AANN网络模型，验证集用于验证训练好的AANN网络模型的性能；

步骤3：根据设定的航空发动机工作状态数，建立相同组数的AANN网络组构建AANN网络系统；每个AANN网络组中又建立了个数与部件故障状态数相同的AANN网络；每个AANN网络对应相应的航空发动机工作状态以及相应的部件故障状态；将将相对应的样本数据训练集输入到相应的AANN网络中，训练AANN网络系统直至达到要求；

步骤4：将验证集中的数据根据其所属的工作状态以及部件故障状态输入到相应的AANN网络中，计算出每一时刻t的网络输入与输出之间的残差，所述残差由各个传感器对应残差组成；

步骤5：对于每个传感器的残差值，计算随着测量状态实时变化的自适应阈值：

步骤5.1：选择一个时长T的窗口，从当前时刻t开始，向前截取一段残差数据；

步骤5.2：对截取的残差数据进行正态转化；

步骤5.3：利用正态转化后的残差数据计算[t-T,t]时间段内的固定阈值J_RMS，将此阈值作为“窗口”中最后时刻t的残差阈值：

其中T为窗口的长度，t为当前时刻，r(t)为正态转化后的残差数据；之后逐步移动窗口，不断重复上述计算，得到每个步长时刻的残差自适应阈值；

步骤6：之后将残差与计算得到的残差自适应阈值进行比较，进行故障的检测和定位，判断过程如下：

对于每个工作状态下的AANN网络组，如果所有残差都不大于对应的残差自适应阈值，则认为此时发动机是正常的，既没有部件故障也没有传感器故障；

当AANN网络组中每个AANN网络中某一传感器对应的残差值均大于对应的残差自适应阈值，则判断此时发生了传感器故障，将该传感器与网络的输入层断开；神经网络将继续使用神经网络最近的对应输出；网络最近的输出即是对传感器的故障估计值；

当AANN网络组中某个AANN网络中若干传感器对应的残差值均不大于对应的残差自适应阈值，而该网络组中其余AANN网络中相应传感器所对应的残差值均大于对应的残差自适应阈值，则认为航空发动机出现了所述某个AANN网络所对应的部件故障；

步骤7：将模型输出的验证结果与验证集中的故障数据进行准确率判断，当准确率达到设定要求后，利用训练得到的AANN网络系统对航空发动机控制系统进行实时故障诊断；如果准确率没有达到设定要求，则重新进行AANN网络训练。

2.根据权利要求1所述一种基于AANN网络系统的航空发动机控制系统多重故障诊断方法，其特征在于：步骤1中采集航空发动机6个工作状态中的数据，分别为停车，慢车，最大状态、中间状态、最小加力状态和最大加力状态。

3.根据权利要求1所述一种基于AANN网络系统的航空发动机控制系统多重故障诊断方法，其特征在于：步骤1中航空发动机不同部件故障状态包括8种情况：低压压气机流量退化、低压压气机效率退化、高压压气机流量退化、高压压气机效率退化、高压涡轮流量退化、高压涡轮效率退化、低压涡轮流量退化、低压涡轮效率退化。

4.根据权利要求1所述一种基于AANN网络系统的航空发动机控制系统多重故障诊断方法，其特征在于：航空发动机控制系统传感器包括高压转子转速传感器、低压转子转速传感器、低压压气机温度传感器、低压压气机压强传感器、高压压气机温度传感器、高压压气机压强传感器、燃油流量传感器、低压涡轮温度传感器、低压涡轮压强传感器、涡轮间隙传感器。