[发明专利]一种基于递阶对抗训练的航天发动机异常智能检测方法

权利要求书

1.一种基于递阶对抗训练的航天发动机异常智能检测方法，其特征在于，包括以下步骤：

步骤1：使用多个传感器采集的航天发动机运行状态下的多通道一维信号作为多源数据，以固定长度从多源数据中截取时间序列得到多通道数据样本集，并对其中样本逐一进行时序预处理，将一维多通道数据转换为二维多通道图像；

步骤2：将获取的二维多通道图像分类标签化，划分标签化后的二维多通道图像样本为训练集和测试集；

步骤3：构建相对生成对抗网络作为异常检测模型，使用步骤2得到的训练集进行递阶对抗训练，得到多个对航天发动机健康状态具有良好识别能力的网络；

步骤4：使用步骤3中训练的异常检测模型对步骤2中的训练集进行状态评估，对得到的训练集评估分数分布建模，计算航天发动机正常样本的分数阈值；

步骤5：使用步骤3中训练的异常检测模型对步骤2中的测试集进行状态评估，得到测试集评估分数，对测试集中每个样本的评估分数进行邻域信息聚合，根据步骤4中得到的分数阈值进行异常检测。

2.根据权利要求1所述的一种基于递阶对抗训练的航天发动机异常智能检测方法，其特征在于，步骤1中对多通道数据样本进行的预处理包括以下步骤：归一化，重编码，三角变换和降维处理。

3.根据权利要求2所述的一种基于递阶对抗训练的航天发动机异常智能检测方法，其特征在于，归一化具体为：对多通道数据样本每个通道内的时间序列进行归一化如下：

式中，为归一化后的数据点，x为某时间序列，x_i为时间序列x中第i个数据点，min(x)取x中的最小值，max(x)取x中的最大值；

对归一化后的数据重编码到极坐标系，坐标变换如下：

式中，φ_i与ρ_i为极角与极径，为归一化的某时间序列，t_i为时间序列中第i个时间戳，代表正整数，N为预设的常数。

4.根据权利要求3所述的一种基于递阶对抗训练的航天发动机异常智能检测方法，其特征在于，对极坐标数据进行三角变换如下：

式中，为变换后的多源数据样本，C代表通道数目，n是数据维度；

对三角变换后的样本进行降维处理，公式如下：

式中，是降维后样本通道c中第(k,i)个点，是降维前样本通道c中第(k,j)个点，m是处理后的数据维度，且1≤m≤n。

5.根据权利要求1所述的一种基于递阶对抗训练的航天发动机异常智能检测方法，其特征在于，步骤2中对二维图像根据原始信号采集来源进行数据集划分：从来源于无故障发动机的正常数据中抽取部分作为训练集，剩余正常数据及来源于带故障发动机的异常数据全体作为测试集。

6.根据权利要求1所述的一种基于递阶对抗训练的航天发动机异常智能检测方法，其特征在于，步骤3中所构建的异常检测模型的基本组件包含编码器、生成器、鉴别器三部分，其中：编码器包括卷积层、批归一化层、激活函数，生成器包括转置卷积层、批归一化层、激活函数，鉴别器包括卷积层、层归一化层、激活函数。

7.根据权利要求6所述的一种基于递阶对抗训练的航天发动机异常智能检测方法，其特征在于，步骤3中对异常检测模型进行的递阶对抗训练包含以下三个阶段：基本对抗训练，单类鉴别器训练以及差别编码器训练。