申请/专利权人：南京林业大学

申请日：2023-01-17

公开（公告）日：2023-09-22

公开（公告）号：CN116796425A

主分类号：G06F30/15

分类号：G06F30/15;G06F18/2415;G06F30/17;F02C9/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.10.13#实质审查的生效;2023.09.22#公开

摘要：本发明提供一种基于SFA‑GMM‑BID的航空发动机动态健康监测方法，包括以下步骤：对训练数据进行慢特征分析，提取缓慢变化特征，选取健康状态训练数据构建高斯混合模型，并得到模型的参数，利用GMM参数计算测试数据的BID值，描述航空发动机性能退化的过程，为了提高BID指标对航空发动机退化描述的敏感度，在BID的基础上加入EWMA[31]进行平滑，计算训练数据的控制限，对训练数据进行慢特征分析，提取缓慢变化特征，计算测试数据和健康状态GMM之间的BID距离，对BID数据进行滑窗处理，计算相邻窗口数据的最大信息系数。本发明提供的本发明提供一种基于SFA‑GMM‑BID的航空发动机动态健康监测方法，采用慢特征分析的方法提取反映气路状态缓慢变化的有效特征，提高了健康监测的有效性。

主权项：1.一种基于SFA-GMM-BID的航空发动机动态健康监测方法，其特征在于，包括以下步骤：S1、离线阶段S11、对训练数据进行慢特征分析，提取缓慢变化特征；S12、选取健康状态训练数据构建高斯混合模型，并得到模型的参数；S13、利用GMM参数计算测试数据的BID值，描述航空发动机性能退化的过程，为了提高BID指标对航空发动机退化描述的敏感度，在BID的基础上加入EWMA[31]进行平滑。Et＝1-αEt-1+αBIDt。S14、计算训练数据的控制限S2、在线阶段S21、对训练数据进行慢特征分析，提取缓慢变化特征；S22、计算测试数据和健康状态GMM之间的BID距离；S23、对BID数据进行滑窗处理；S24、计算相邻窗口数据的最大信息系数，确定遗忘因子，更新滑动窗数据；S25、计算滑动控制限，连续超过10个点进行报警。

全文数据：

权利要求：

百度查询： 南京林业大学 一种基于SFA-GMM-BID的航空发动机动态健康监测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD