[发明专利]民机试飞振动故障预测模型和预测系统

摘要

本发明公开了一种民机试飞振动故障预测模型，通过以下步骤建立：1：建立数据库，所述数据库由特征参数集合以及各特征对应的状态组成；所述特征参数集合包含从民机各部位的振动参数中提取的时域特征、从民机各部位的振动参数中提取的频域特征、以及与振动参数相关性大于0.6的飞行参数；时域特征包括振动幅值的振动幅值的最大值、最小值、峰峰值，幅值变化率；频域特征包括频率组成、频率大小、频率随时间的变化趋势；2：利用二分类支持向量机模型建立民机试飞振动故障预测模型，得到二分类支持向量机模型也就确定了试飞数据的预警边界，通过这个预警边界作为数据正常和异常单状态判断的依据。本发明还公开了一种民机试飞振动故障预测系统。

主权项

1.一种民机试飞振动故障预测模型，通过以下步骤建立：步骤1：建立数据库，所述数据库由特征参数集合X以及各特征对应的状态Y组成；所述特征参数集合包含从民机各部位的振动参数中提取的时域特征、从民机各部位的振动参数中提取的频域特征、以及与振动参数相关性大于0.6的飞行参数；时域特征包括振动幅值的振动幅值的最大值、最小值、峰峰值，幅值变化率；频域特征包括频率组成、频率大小、频率随时间的变化趋势；步骤2：利用二分类支持向量机模型建立民机试飞振动故障预测模型：通过对数据库数据进行提取，构建训练集合Z：Z＝{(x₁,y₁),..(x_i,y_i).,(x_l,y_l)}∈(X×Y)^l           (公式1)其中，x_i∈X，y_i∈Y＝{1,‑1}(i＝1,2,...,l)；x_i为特征向量，包括了时域特征、频域特征以及飞行参数，y_i为灵敏度响应值，当y_i＝1为正常状态，y_i＝‑1为异常状态,i为参数临时变量，l为总共的特征向量个数；利用拉格朗日函数求原问题的对偶问题，最优化问题描述为：其中：α_i、α_j为拉格朗日因子，i为参数临时变量，j为样本采样点个数，l为总共的特征向量个数，K(x_i,x_j)为高斯核函数，x_i和x_j代表每个具体的第i个特征变量的第j个采样点，C为惩罚因子；利用SMO算法求解凸二次规划问题得最优解：其中，T表示矩阵的转置；利用KKT条件，选取α^*的一个正分量0≤α_i≤C，计算阈值：得出二分类支持向量机模型，即民机试飞振动故障预测模型：得到二分类支持向量机模型也就确定了试飞数据的预警边界，通过这个预警边界作为数据正常和异常单状态判断的依据。