[发明专利]一种基于神经网络算法故障建模与诊断方法

说明书

本发明提供一种基于神经网络算法故障诊断方法，包括：S10.建立航空发动机启动系统的数学模型，并进行模拟仿真；S20.在数学模型中输入故障参数，并进行故障模拟仿真，得出状态变化数据；S30.采用时域分析法对状态变化数据提取特征值，采用主成分分析法对状态变化数据降低维度，进而得到训练数据和测试数据；S40.测试数据作为BP神经网络的输入值，得到测试数据的输出值，将测试数据输出值的矩阵中各行元素与训练数据构造的BP神经网络的输出值的矩阵中各行元素进行比较，计算出各行元素的最大误差值及平均误差值。本发明通过性能和功能参数对发动机进行状态测试，有效地对发动机的故障进行查找和定位，从而提高航空发动机可靠性和寿命，降低使用成本。

技术领域

本发明涉及神经网络算法技术领域、航空技术领域，更具体地涉及一种基于神经网络算法故障建模与诊断方法。

背景技术

经过数年的发展，人们在航空航天领域方面已经取得了巨大的成就，极大地促进了相关的学科新理论和新技术的产生、发展与应用。然而在今天即使科学技术高度发达，航空航天领域的重特大事故仍不断出现。近年来，国内外由于航空发动机辅助动力装置故障而造成的飞机事故屡见不鲜。

在航空发动机运行的过程中，其发动机启动过程是一个非常重要的工作阶段，是发动机能够顺利正常工作的前提。航空发动机是十分复杂的一个动力系统，其系统内部由多个辅助装置和气路单元体有机组合，比如起动机、涡轮等等。起动机作为航空发动机启动系统的核心部分，对其进行状态监测可以及时发现故障，保障飞 机能够正常飞行。深入开展航空发动机起动过程建模及起动性能研究是极具现实意义和应用价值的工作。因此，有必要提供一种基于神经网络算法故障建模与诊断方法，以克服上述问题。

发明内容

本发明提供了一种基于神经网络算法故障建模与诊断方法，该方法通过性能和功能参数对发动机进行状态测试，有效地对发动机的故障进行查找和定位，从而提高航空发动机可靠性和寿命，降低发动机使用成本。

为解决上述技术问题，本发明所采用的技术方案是：一种基于神经网络算法故障诊断方法，包括如下步骤：

步骤 S10.建立航空发动机启动系统的数学模型，并进行模拟仿真；

步骤 S20.在数学模型中输入故障参数，并进行故障模拟仿真，得出状态变化数据；

步骤 S30.采用时域分析法对状态变化数据提取特征值，采用主成分分析法对状态变化数据降低维度，进而得到训练数据和测试数据；

步骤 S40.测试数据作为 BP 神经网络的输入值，得到测试数据的输出值，将测试数据输出值的矩阵中各行元素与训练数据构造的 BP 神经网络的输出值的矩阵中各行元素进行比较，计算出各行元素的最大误差值及平均误差值；

最大误差值和平均误差值均在设定误差范围内，则诊断结果正常；

最大误差值或平均误差值超出设定范围，则诊断结果为异常；

其中，航空发动机启动系统包括油箱、电动油泵、化油器、单向阀和发动机，油箱的出油口分别与电动油泵的输入口和化油器的输入口连接，电动油泵的输出口与单向阀的输入口连接，单向阀的输出口与化油器的输入口连接，化油器的输出口与发动机连接，油箱用于储存航空燃油；电动油泵用于将油箱中的航空燃油进行输送；化油器用于将航空燃油与空气进行混合后输出；发动机用于通过化油器输出的混合后的航空燃油点火启动，在发动机启动后电动油泵停止泵油，依靠发动机进行泵油，油箱中的航空燃油通过化油器进入发动机。

进一步地，步骤 S10 包括：

步骤 S101.建立航空发动机启动系统的数学模型；

步骤 S102.使用 SIMULINK 建模工具对数学模型进行仿真，计算出航空发动机在稳态的高压转子转速、低压转子转速、尾气温度参数。