[发明专利]一种基于SOM-MQE的飞机发动机故障预警方法

权利要求书

1.一种基于SOM-MQE的飞机发动机故障预警方法，其特征在于，包括：

获取多个训练飞机发动机的全生命周期数据；所述全生命周期数据按照使用时长分为正常数据和异常数据；所述异常数据中包含全生命周期中预警区间内的故障预警数据；

利用每个所述训练飞机发动机中的正常数据训练对应飞机发动机的SOM模型，并获得所述飞机发动机中故障预警数据的最小量化误差MQE；

基于所述多个训练飞机发动机中故障预警数据的最小量化误差MQE的平均值，确定预警区间对应的最小量化误差MQE范围；

基于所述最小量化误差MQE范围，进行待预警飞机发动机的故障预警。

2.根据权利要求1所述的基于SOM-MQE的飞机发动机故障预警方法，其特征在于，在确定所述最小量化误差MQE范围之后，还包括：

利用测试飞机发动机中的正常数据训练测试飞机发动机的SOM模型，并获取所述测试飞机发动机中异常数据的最小量化误差MQE；

获取所述异常数据的最小量化误差MQE在所述最小量化误差MQE范围内的异常数据区间；

基于所述异常数据区间与预警区间的交集占所述预警区间时长的比值得到预警正确率；

若所述正确率等于或高于设定的正确率阈值，则基于所述最小量化误差MQE范围，进行待预警飞机发动机的故障预警。

3.根据权利要求2所述的基于SOM-MQE的飞机发动机故障预警方法，其特征在于，还包括：

若所述正确率低于所述设定的正确率阈值，调整所述测试飞机发动机的SOM模型参数或者所述测试飞机发动机中正常数据的占比，并重新训练测试飞机发动机的SOM模型、重新获取预警正确率。

4.根据权利要求2或3所述的基于SOM-MQE的飞机发动机故障预警方法，其特征在于，还包括：

若所述正确率低于所述设定的正确率阈值，调整所述训练飞机发动机的SOM模型参数、所述全生命周期数据中正常数据的占比、预警区间的范围中一项或多项，并重新确定所述最小量化误差MQE范围、重新获取预警正确率。

5.根据权利要求4所述的基于SOM-MQE的飞机发动机故障预警方法，其特征在于，调整所述训练飞机发动机、测试飞机发动机的SOM模型参数，包括调整SOM模型中学习率初始化参数、初始优胜邻域、神经元权重初值中的一个参数或多个参数。

6.根据权利要求1或2所述的基于SOM-MQE的飞机发动机故障预警方法，其特征在于，所述基于所述最小量化误差MQE范围，进行待预警飞机发动机的故障预警，包括：

每采集一个待预警的飞机发动机的正常数据，利用采集的待预警飞机发动机的正常数据训练所述待预警飞机发动机的SOM模型；

每采集一个待预警飞机发动机的异常数据，获得所述待预警飞机发动机中异常数据的最小量化误差MQE；

若所述待预警的飞机发动机中异常数据的最小量化误差MQE在所述最小量化误差MQE范围内，则进行待预警飞机发动机的故障预警。

7.根据权利要求1所述的基于SOM-MQE的飞机发动机故障预警方法，其特征在于，所述最小量化误差MQE范围的下限为所述最小量化误差MQE的平均值的80％、上限为所述最小量化误差MQE的平均值的120％。

8.根据权利要求1所述的基于SOM-MQE的飞机发动机故障预警方法，其特征在于，

所述正常数据为所述飞机发动机的全生命周期数据中前60％使用时长的数据；

所述异常数据为所述飞机发动机的全生命周期数据中后40％使用时长的数据；

所述预警区间为所述飞机发动机的全生命周期数据中88％-92％使用时长范围。

9.根据权利要求1所述的基于SOM-MQE的飞机发动机故障预警方法，其特征在于，所述飞机发动机的全生命周期数据包括：发动机进气温度、排气温度、滑油温度、滑油压力、压缩空气压力和振动速度参数。

10.根据权利要求1所述的基于SOM-MQE的飞机发动机故障预警方法，其特征在于，所述利用每个飞机发动机中的正常数据训练当前飞机发动机的SOM模型，并获得当前飞机发动机中故障预警数据的最小量化误差MQE，包括：

所述利用每个飞机发动机中的正常数据训练当前飞机发动机的SOM模型，获得最佳匹配单元；

将所述故障预警数据与所述最佳匹配单元之间距离的最小值作为所述故障预警数据的最小量化误差MQE。