[发明专利]一种振动数据驱动的直升机旋翼异常检测方法

摘要

本发明公开一种振动数据驱动的直升机旋翼异常检测方法，包括：原始振动数据分析和处理；提取直升机旋翼状态特征；用正常状态的旋翼数据特征训练支持向量数据模型；最后根据建立的模型对旋翼进行异常检测。本发明的优点是：针对非平稳、非线性的振动数据，提取了有效的故障特征，在只有正常状态数据可用的情况下，本发明给出了一种直升机旋翼异常检测方法，克服了常规方法必须有异常特征数据的需求。

主权项

1.一种振动数据驱动的直升机旋翼异常检测的方法，其特征包括如下步骤：(1)针对直升机旋翼振动数据的特点，按异常检测过程的特殊需要对原始数据进行分析和处理；(2)选用信号处理领域的时‑频分析方法，对振动数据进行经验模态分解获取有限个内蕴模式函数；(3)用获取的内蕴模式函数构建矩阵，并进行奇异值分解，将得到奇异值归一化到区间[‑1，1]，最终组成旋翼状态特征向量；(4)利用支持向量数据描述，选用旋翼正常特征构建超球体，检测旋翼是否出现故障；其中，步骤(4)利用支持向量数据描述，选用旋翼正常状态的特征构建超球体，检测直升机旋翼是否出现故障，实现方法如下：基于旋翼正常状态下提取的特征，利用支持向量数据描述，依据结构风险最小化原理，对正常状态的特征向量集X＝{x₁，x₂，…x_N}构建超球体，该超球体尽可能多的包含正常状态的样本特征同时尽可能降低接受异常特征的概率；考虑到训练特征向量集中可能有少数正常的特征偏离目标类，通过引入松弛因子ξ_i和惩罚参数C，允许少数样本点分布在超球体区域之外；构建超球体能够转化为以下优化问题的求解：通过求解上述优化问题，计算得到超球体的球心是a，半径是R，对于新的样本特征x，决策函数定义如下：若样本特征的决策函数值f(x)＞20％，则认为有异常发生。