[发明专利]一种航空发动机气路故障融合诊断方法

摘要

本发明涉及基于自适应加权D‑S证据理论的航空发动机气路故障融合诊断方法，解决了采用单一类型的故障诊断方法精度不高、多方法融合过程中存在证据冲突的问题；分别构建基于粒子滤波器和极限学习机的非线性局部诊断模块，采用自适应加权D‑S证据理论对局部诊断结果进行融合。提出发动机故障的多方法融合诊断结构，通过混淆矩阵离线获取基于粒子滤波器和极限学习机的局部诊断系统对各故障模式的诊断可靠度，根据诊断可靠度赋予证据体不同的权值系数，有效降低了证据冲突，提高了发动机气路部件故障融合诊断的精度。

主权项

1.一种航空发动机气路故障融合诊断方法，其特征在于：包括如下步骤：步骤001：分别构建基于极限学习机的局部诊断方法所对应的局部诊断模块和基于粒子滤波器的局部诊断方法所对应的局部诊断模块；步骤002：对于n类航空发动机的典型故障模式，每类故障模式随机选取m个故障样本，采用基于粒子滤波器和极限学习机的局部诊断方法分别对n×m个故障样本进行诊断，对于每种局部诊断方法，分别得到代表该种局部诊断方法对于各故障模式的诊断准确率的一个n×n维混淆矩阵CM：式中，cm_ij表示第i类故障模式被所使用的局部诊断方法判断成第j类故障模式的样本数占第i类故障模式样本总数的百分比，对角线上的元素即为所使用的局部诊断方法对于各故障模式的诊断准确率，i＝1,2,...,n，j＝1,2,...,n；则能够得到局部诊断方法对第j类故障模式的诊断结果可靠度R(A_j)为：步骤003：对发动机传感器测量信号进行采集、预处理，分别输入至两个局部诊断模块中，采用基于粒子滤波器和极限学习机的局部诊断方法进行发动机故障诊断；其中，粒子滤波器直接利用发动机非线性模型估计发动机健康参数，连续的健康参数估计值通过模糊逻辑转换成具体的发动机部件故障模式及相应的基本概率函数；极限学习机根据故障时刻的发动机传感器数据对当前发动机故障进行分类，得到当前故障属于发动机各故障模式的基本概率；步骤004：基于自适应加权D‑S证据理论，对两个局部诊断模块的诊断结果进行融合；根据粒子滤波器和极限学习机两种局部诊断方法对不同故障模式的诊断可靠度，分别对步骤003中两个证据体得到的基本概率赋值进行加权处理；将证据体的加权概率分配结果输入至融合中心，根据Dempster合成规则，对加权概率分配结果进行融合，从而得到多证据体加权融合后的最终诊断结论。