[发明专利]一种飞机燃油泵信号退化特征提取方法及装置

摘要

本发明涉及信号提取技术领域，尤其涉及一种飞机燃油泵信号退化特征提取方法，主要包括数学形态学处理、信号复杂度度量、权重因子计算、形态谱衰减因子构建、基于SVDD的隶属度函数确定、模糊信息粒化、形态谱衰减模糊信息粒子核生成、健康基准曲线拟合等几个步骤对数据进行分析。本发明还包括一种飞机燃油泵信号退化特征提取装置，包括信号采集及预处理模块、数据计算及分析模块、结果输出模块，本装置按照上述飞机燃油泵信号退化特征提取方法对特征量进行提取以及计算分析。本发明的信号退化特征提取方法与装置对信号的特征描述过程算法更加简单，所得的飞机燃油泵性能分析结果也更加准确。

主权项

一种飞机燃油泵信号退化特征提取方法，其特征在于，所述方法包括以下步骤：步骤1：数学形态学处理；将采集到的飞机燃油泵输出的燃油压力数据以系统工作循环为步长作划分，将每个工作循环内的数据xi作为基本处理单元；以飞机燃油泵未发生性能退化时的燃油压力输出量x1作为健康基准信号，采取各工作循环内信号对健康基准信号求差值的方法对数据进行预处理，生成离散序列f(i)；选择不同尺度λ，对f(i)作多尺度数学形态学腐蚀与膨胀；步骤2：信号复杂度度量；计算不同尺度下信号波形的面积Aλ(λmin≤λ≤λmax)，用Aλ总和来反映每段数据形态特性的变化情况；步骤3：权重因子计算；定义单工作循环信号能量与总信号能量，计算单工作循环内形态特征变化量对应的权重因子w(λ)；步骤4：形态谱衰减因子构建；建立形态谱衰减因子(MSDI)，定量描述飞机燃油泵在不同性能退化状态下燃油压力形态特性的变化趋势；步骤5：基于SVDD的隶属度函数确定；使用支持向量数据域描述(Support Vector Domain Description，SVDD)将数据样本MSDI映射到高维的特征空间，训练获得描述样本最小体积的超球面；求解SVDD描述的二次优化问题，计算超球球心a、样本点到超球球心距离以及超球半径的平方R2；步骤6：模糊信息粒化；确定模糊信息粒化窗口Wk，形成时间参数子序列dk；计算与R2的差值Ydi，并令Ydk＝min(Ydi)，将Ydk对应的样本点dkr确定为模糊信息粒子pk的粒子核rk；步骤7：形态谱衰减模糊信息粒子核生成；在模糊信息粒化窗口Wk内对rk进行修正，构建形态谱衰减信息粒子核，记为CMFS_Gk；步骤8：健康基准曲线拟合；基于粒子群优化(Particle Swarm Optimization，PSO)的参数寻优，在最优参数下基于支持向量回归(Support Vector Regression，SVR)拟合健康基准曲线Pdp，并计算曲线拟合的性能指标：均方根误差(Mean Square Error，MSE)和相关系数Crr。