[发明专利]一种基于静电特征参数的发动机性能退化预警方法

权利要求书

1.一种基于静电特征参数的发动机性能退化预警方法，其特征在于，首先由发动机台架实验获取静电监测特征参数的变化规律以及特征参数联合概率分布，用状态空间模型对特征参数建模分析，利用多维数据空间聚类分析方法完成参数辨识并建立性能退化行为的表征模型，融合常规的状态监测信息和静电监测信息，结合发动机性能指标，构建发动机性能退化预警方法。

2.根据权利要求1所述的一种基于静电特征参数的发动机性能退化预警方法，其特征在于，

通过发动机台架实验获得静电监测数据，判断监测数据与发动机性能之间的关系，确定静电监测关键特征参数，获得特征参数变化规律及特征参数联合概率分布；

然后，采用状态空间方法将多个变量时间序列处理为向量时间序列，采用随机向量序列方法描述系统在任何一个时刻的状态向量；

接着，依据所获得的静电信号的特征参数，加上常规监测手段提供的信息数据，构建多维参数向量，利用多维数据空间聚类分析方法实现性能退化模型边界的划分与边界特征的提取，完成性能退化行为表征模型；

最后，融合常规的状态监测信息和静电监测信息，以发动机性能参数作为指标，建立发动机性能退化预警方法。

3.根据权利要求1所述的一种基于静电特征参数的发动机性能退化预警方法，其特征在于，所述特征参数变化规律为对实验数据进行分析与挖掘，对特征参数的变化模型进行识别和提取，通过K-S检验方法验证各监测参数的正态分布规律。

4.根据权利要求1所述的一种基于静电特征参数的发动机性能退化预警方法，其特征在于，所述特征参数联合概率分布为利用贝叶斯估计方法建立参数的联合分布密度函数。

5.根据权利要求1所述的一种基于静电特征参数的发动机性能退化预警方法，其特征在于，所述随机向量序列方法采用下式得出：

X(K)＝[x₁(k),x₂(k),L,x_n(k)] (1)

其中，X_i(k)为第i个状态向量；系统的输入为时刻t＝1时系统的状态向量，系统输出为t时刻系统的状态量，状态空间模型可以用下面的观测方程和转移方程表示：

其中，X(t)为状态向量，H为观测系数矩阵，ε(t)为观测误差，F为转移矩阵，G为输入矩阵，η(t)为系统干扰，利用卡尔曼滤波即可进行递阶预测。

6.根据权利要求1所述的一种基于静电特征参数的发动机性能退化预警方法，其特征在于，所述常规监测手段提供的信息数据为振动信息、滑油信息、各个截面压力信息、流量及尾气温度。

7.根据权利要求1所述的一种基于静电特征参数的发动机性能退化预警方法，其特征在于，所述发动机性能参数为发动机输出功率、发动机推力。