[发明专利]基于主元分析和多层超限学习机的飞行器微小故障诊断方法

说明书

本发明涉及一种基于主元分析和多层超限学习机的飞行器微小故障诊断方法，属于飞行器动态系统微小故障诊断领域。基于带标签的故障样本原始数据，采用主元分析法进行特征提取和降噪；构造多层超限学习机，进行在线序列学习训练；把待检测的系统实际数据，进行主元分析法提取特征和去噪后，在线输入多层超限学习机网络，基于输出权重矩阵，计算实际数据的在线网络输出值，把输出值和故障样本的标签值相比较进行故障判定。突破了目前已有单层超限学习机诊断精度低、不能快速发现早期微小故障的局限，提高了早期微小故障诊断的准确性。

技术领域

本发明涉及飞行器故障诊断领域的基于数据的微小故障诊断方法，具体涉及一种基于主元分析和多层超限学习机的飞行器微小故障诊断方法，属于飞行器动态系统微小故障诊断领域。

背景技术

空天飞行器系统的结构逐渐趋于复杂，功能越来越强大。同时，对其的安全性和可靠性要求也越来越高。空天飞行器运行环境复杂，且地面测试系统具有较多局限性，因此空天飞行器运行过程中容易发生故障，空天飞行器一旦发生故障，将影响空天飞行器正常工作，导致空天飞行器飞行活动的失败甚至空天飞行器损毁。所以，空天飞行器的故障诊断技术对于其飞行任务的成败起到至关重要的作用，而对空天飞行器进行早期微小故障诊断，可以有效预防重大故障的发生，对于空天飞行器飞行活动的顺利进行具有十分重要的意义。

《主成分分析和超限学习机的模拟电路故障诊断》(高坤,何怡刚,谭阳红,薄祥雷,童耀南，《计算机工程与应用》，2016年第52期第9卷)一文中提出了一种基于主成分分析和极限学习机相结合的模拟电路故障诊断方法，该方法采用主成分分析降维，然后采用极限学习机进行故障分类识别，达到了故障诊断的目的，但是对于空天飞行器微小故障来说，该方法故障分类受到了一定局限性，无法对早期微小故障进行很好的分类。本发明提供的多层超限学习机方法增加了隐含层数，能够充分提取故障的内在信息，从而对微小故障进行有效诊断，并且相比于深度学习计算量更少。

发明内容

要解决的技术问题

为了克服目前空天飞行器姿态系统早期微小故障难以诊断的缺陷，本发明提出一种基于主元分析和多层超限学习机的飞行器微小故障诊断方法，该方法能够充分地挖掘微小故障特征，在线序列诊断微小故障，解决了微小故障在线诊断的难题。

技术方案

一种基于主元分析和多层超限学习机的飞行器微小故障诊断方法，其特征在于步

骤如下：

步骤1：采用主元分析法对基于系统带标签的故障样本原始数据进行提取特征和去噪；

1)对除去故障标签的p维空间中的n个原始数据矩阵X_n×p进行数据标准化；

原始数据标准化有：

式中，i＝1,2,…,n；j＝1,2,…,p，与σ_j分别为第j个变量的样本均值与标准差；

2)计算原始矩阵X_n×p的相关系数矩阵R，即

其中r_ij，为原变量x_i与x_j的相关系数，i,j＝1,2,…,p，其计算公式为

3)对相关系数矩阵R进行特征分析，由R的特征方程|R-λI|＝0，其中I为单位阵，可得R的p个特征值λ_i，i＝1,2,…,p，其中，λ₁≥λ₂≥…≥λ_p≥0；特征向量为