[发明专利]基于动态半径支持向量数据描述的航空发动机故障检测方法

权利要求书

1.一种基于动态半径支持向量数据描述的航空发动机故障检测方法，其特征在于，根据不同测试样本选择不同的决策值，包括如下步骤：

步骤1：在全飞行包线范围内，采集航空发动机各部件正常状态下的样本，记为正类样本，以及故障状态下的参数样本，记为负类样本；

步骤2：对步骤1所得数据集进行归一化处理，得到归一化处理后的数据集；

步骤3：将步骤2所得数据集分成训练数据集和测试数据集，训练数据集包含正常样本和一部分离群值，其余的数据集全部作为测试数据集；将训练数据集输入到支持向量数据描述模型中，训练得到超球面中心和半径；

步骤4：在特征空间中计算测试样本与每个训练样本围绕中心的角度，选取合适角度内的训练数据作为决策数据，计算决策数据到中心的距离并按从大到小排序，选取其中与每个测试数据相关的重要决策数据，计算该测试样本的阈值；

步骤5：计算测试样本到中心的距离，和步骤4求得的该测试样本的阈值比较，若小于阈值，则为正常样本，反之为故障样本。

2.根据权利要求1所述的一种基于动态半径支持向量数据描述的航空发动机故障检测方法，其特征在于，步骤1中所述故障状态，其表现为性能参数退化，包含：压气机流量退化、压气机效率退化、燃气涡轮流量退化、燃气涡轮效率退化、动力涡轮流量退化、动力涡轮效率退化。

3.根据权利要求1所述的一种基于动态半径支持向量数据描述的航空发动机故障检测方法，其特征在于，所述参数包括：发动机所处高度、发动机飞行马赫数、发动机主燃油量、压气机出口温度、压气机出口压力、燃气涡轮出口温度、燃气涡轮出口压力、燃气涡轮输出轴转速、动力涡轮出口温度、动力涡轮出口压力、动力涡轮输出轴转速。

4.根据权利要求1所述的一种基于动态半径支持向量数据描述的航空发动机故障检测方法，其特征在于，步骤3中将训练数据集输入到支持向量数据描述模型中，训练得到超球面中心和半径，包括如下步骤：

所述支持向量数据描述模型为：

其中x_i∈R^N是样本，N表示样本的维度，n代表样本的总体个数，ξ_i代表样本松弛变量，C是正则化参数，R代表超球面半径，a代表超球面中心，||·||代表矩阵的l₂范数；

构造Lagrange函数：

其中，α_i≥0和γ_i≥0为Lagrange乘子，由Karush-Kuhn-Tucker条件得到下式：

消去公式中的γ_i，并把结果代入到(2)得到：

通过将公式(6)最大化，得出α＝[α₁,α₂,…α_n,]；然后根据公式(4)计算出超球面中心a；

超球面的半径R的计算公式为：

其中，x_sv为支持向量，K(·)为核函数。