[发明专利]基于LSTM-AE深度学习框架的民机系统故障监测与识别方法

摘要

本发明公开了基于LSTM‑AE深度学习框架的民机系统故障监测与识别方法，涉及民机复杂系统状态监控与故障诊断技术领域，能够充实现飞行故障的监测和识别。本发明包括：选取飞机飞行中某稳定工况下系统多状态参数时间序列数据，并根据监测对象的特点，选取合适的工况下的状态参数时间序列数据用于系统重构模型的训练，然后充分利用LSTM模型所具有长时间序列依赖的记忆能力，对民机系统无故障状态进行建模与重构，通过进一步分析其状态参数重构误差实现故障的监测和识别。本发明解决了民机系统故障监测手段不足的问题，利用深度学习在大数据分析方面的优势，挖掘民机海量运营和维修数据，为民机系统故障监测与航线故障隔离提供了重要支持。

主权项

1.基于LSTM‑AE深度学习框架的民机系统故障监测识别方法，其特征在于，包括：S1、在飞机飞行时某一稳定工况下，提取飞机机载系统中多个状态参数的时间序列数据；S2、对时间序列数据利用等时间间隔方法提取，得到模型训练数据样本，模型训练数据样本的集合即为飞机机载系统无故障状态的训练数据集；S3、利用LSTM深度模型所具有的长时间序列建模能力，并依据自编码器原理建立LSTM‑AE模型，利用训练数据集训练LSTM‑AE模型并优化LSTM‑AE模型的参数，得到训练好的LSTM‑AE模型；S4、利用训练好的LSTM‑AE模型，重构飞机机载系统的状态参数，计算重构误差矩阵，并在误差矩阵的基础上计算飞机机载系统健康指数和故障特征向量，健康指数用于故障预警，故障特征向量用于故障识别。