[发明专利]一种基于QAR数据的航空发动机运行状态分类方法

说明书

本发明涉及航空发动机运行状态数据分析技术领域，特别涉及一种基于QAR数据的航空发动机运行状态分类方法，包括对获取的QAR数据进行预处理；对预处理后的QAR数据进行图像化处理；将图像化处理后的QAR数据放入卷积神经网络训练，以生成航空发动机运行状态分类模型；采用所述分类模型对出现故障的发动机进行故障状态分类。本发明提供的分类方法将全航段QAR数据图像化处理与卷积神经网络相结合以获得分类模型，再利用该分类模型对数据进行故障状态分类。通过该分类方法可以达到准确的分类效果，有助于研究航空发动机状态辨识与故障诊断，因此不仅能够提高飞行安全、降低成本，且对于基于数据驱动方法的航空发动机健康管理具有重要意义。

技术领域

本发明涉及航空发动机运行状态数据分析技术领域，特别涉及一种基于QAR数据的航空发动机运行状态分类方法。

背景技术

航空发动机是飞机飞行过程中的主要动力来源，其健康程度与工作状态直接影响飞行的安全性。航空发动机性能衰退或出现故障会改变其运行状态，继而导致发动机在运行过程中各个参数的改变。其运行参数的改变将由飞机标注配置组件QAR(Quick AccessRecorder，快速存取记录器)进行详细真实地记录，它能够连续完整地反映飞机系统在运行中的实际状态或失效的征兆信号，具有易于接近、维护简单、数据存储量大，且机载存储设备廉价、通用性强的优点。因此QAR数据在对航空发动机工作状态的监测应用十分重要。

而现有的基于航空发动机仿真数据进行故障状态分类的方法可以达到很高的准确率，但是仿真数据可能无法反映出真实运行数据的分布规律，且真实运行状态下的发动机数据含有大量噪声，不同类型参数之间具有极强的非线性和耦合关联性，传统的数据处理及分类方法难以达到较好的分类效果。同时，现有对于航空发动机飞行数据的研究大部分选取的是巡航稳定点的数据，然而飞机在巡航稳态飞行过程中较少出现较大的故障，因而无法全面准确地对数据进行故障状态分类。

发明内容

为解决上述提到的无法完整准确地对航空发动机的故障状态或者运行状态进行分类的技术问题，本发明提供了一种基于QAR数据的航空发动机运行状态分类方法，包括以下步骤：S100、对获取的QAR数据进行预处理；S200、对预处理后的QAR数据进行图像化处理；S300、将图像化处理后的QAR数据放入卷积神经网络训练，以生成航空发动机运行状态分类模型；S400、采用所述分类模型对出现故障的发动机进行故障状态分类。

在上述技术方案的基础上，进一步地，步骤S100中对获取的QAR数据进行预处理包括异常值处理与缺失值填补。

在上述技术方案的基础上，进一步地，所述异常值处理与缺失值填补的处理方法为平均值填补法，即设在第m个特征的第n个数是异常值或缺失值，记为X_m(n)，通过公式将原数据中的异常值或缺失值替换为X_m(n)。

在上述技术方案的基础上，进一步地，步骤S200中，所述QAR数据图像化处理过程包括：

S210、将原始QAR数据按照水洗记录分为不同的运行状态类别；

S220、在同一运行状态类别下，将每次飞行循环数据按照航段划分标准分为若干段，分别至少包括起飞段、爬升段、巡航段、下降段与着陆段中的一种；

S230、将每段的数据等距取点；

S240、将等距取点后的数据转变为三通道数据。

在上述技术方案的基础上，进一步地，步骤S220中，不同航段的所述划分标准如下：

起飞段：CAS＞45ALT2000

爬升段：2000ALT20000

巡航段：ALT＞20000diff(ALT)50

降落段：2000ALT20000