[发明专利]一种分阶段的航空发动机性能衰退模式挖掘方法

摘要

本发明涉及航空发动机性能评估方法技术领域，具体的说是一种分阶段的航空发动机性能衰退模式挖掘方法，其特征在于包括以下步骤：进行性能参数预处理，具体包括粗大误差处理、降噪处理；进行性能衰退模式挖掘，包括快速衰退阶段模式挖掘和正常衰退阶段模式挖掘，本发明通过挖掘出发动机的长期衰退模式，为航空发动机的稳定运行和高效率维护提供了保证。

主权项

一种分阶段的航空发动机性能衰退模式挖掘方法，其特征在于包括以下步骤：步骤1：进行性能参数预处理，具体包括粗大误差处理、降噪处理；步骤2：进行性能衰退模式挖掘，包括快速衰退阶段模式挖掘和正常衰退阶段模式挖掘，其中所述快速衰退阶段模式挖掘具体包括以下步骤：Step1按照式计算各样本点之间的距离，确定样本邻近数K，初始化每个样本点xi的类别Ci＝‑1(表示样本未分配)；Step2计算每个样本点的局部密度ρi和距离δi，确定样本点的γi值，绘制γ决策图，据此确定出聚类中心集合CI；Step3根据式确定离群点集合Outlier；Step4对除聚类中心点之外的非离群点采用分配策略一进行处理；Step5对经分配策略一未分配的非离群点和离群点集合Outlier中的样本点采用分配策略二进行处理；Step6经上述步骤未分配的样本点标记为噪声点；其中上述样本分配策略一的详细步骤如下所述：Step1从聚类中心集合CI中选择一个新的聚类中心ci，然后将ci从CI中删除，Step2将ci点的K邻近集合KNN(ci)中的样本点并入ci所在的类别，初始化队列Vq，并将KNN(ci)中的样本点依次加入队列Vq，Step3将Vq中的首个样本点q取出，并将q从Vq中删除；对于集合KNN(q)中的每个样本r，如果满足条件：a)Cr＝‑1，b)不属于离群点集，c)dq,r≤mean({dq,j|xj∈KNN(r)})，则将样本r属于q所在的类别，并将样本点r放入队列Vq的末尾，Step4判断Vq是否为空，若为空，则继续，否则跳转至Step3，Step5判断CI是否为空，若为空，则结束策略一，否则跳转至Step1；上述样本分配策略二的详细步骤如下所述：Step1确定识别矩阵S：初始化未分配样本集合Un，对Un中的每个元素ui，统计KNN(ui)中属于类别c(c＝1,2,…,|CI|)的样本数Nc(ui)，得到一个1×|CI|的向量N(ui)，则Un中的全部元素构成一个|Un|×|CI|的识别矩阵S，其中s(i,j)＝Nj(i)，i＝1,2,…,|Un|，j＝1,2,…,|CI|；Step2执行样本分配：从矩阵S中选择出将被分配的样本p(矩阵S中元素最大值对应的样本)，即Nk(p)＝max{Nj(i)|i＝1,2,…,|Un|；j＝1,2,…,|CI|}，对样本点p按照如下方式分配：a)如果Nk(p)＝K，则将矩阵S中最大值为K的全部样本分配到最大值所对应的类别，继续Step3；b)如果0＜Nk(p)＜K，则从矩阵S中随机选择一个最大值为Nk(p)的样本点，将该样本点分配到最大值所对应的类别，标记被分配样本为p，继续Step3；c)否则结束策略二；Step3更新识别矩阵S：对于KNN(p)中没有分配的样本q，令Nk(q)＝Nk(q)+1，并将该样本点对应向量N(p)从S中删除；Step4更新集合Un，判断Un是否为空，若为空，则结束策略二，否则跳转至Step2。按照上述方法进行聚类处理，可获得EGTM时序数据分类结果，将每一类中的数据分别采用适合的多项式函数进行拟合，即可获得快速衰退阶段的性能衰退模式。