申请/专利权人：中国航空工业集团公司上海航空测控技术研究所

申请日：2023-09-08

公开（公告）日：2024-04-12

公开（公告）号：CN117864404A

主分类号：B64D45/00

分类号：B64D45/00;G06F18/214;G06F18/23

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明公开了一种基于工况的直升机异常动态监测方法，包括以下步骤：选择飞行参数的样本集；根据样本集进行工况聚类模型训练；进行单工况样本集监测特征映射网络的训练，进行监测特征映射网络的训练，直至监测特征生成值和真实值之差最小；计算健康样本残差Xe0、以及Xe0均值μe和方差σe；对异常样本X进行监测特征的时间分割以获取每个时间窗口下的分割监测特征Xr；将异常样本X相应时间下的工况参数输入工况聚类模型中，获取异常样本的监测特征Xg、相应残差Xe、以及异常样本的监测特征Xg的均值μg和方差σg；根据分割监测特征Xr、生成监测特征Xg、残差Xe和健康样本残差Xe0之间的关系，计算分割监测特征Xr的上控制限、中心线以及下控制限。

主权项：1.一种基于工况的直升机异常动态监测方法，其特征在于，包括以下步骤：选择飞行参数的样本集；根据样本集进行工况聚类模型训练；进行单工况样本集监测特征映射网络的训练，进行监测特征映射网络的训练，直至监测特征生成值和真实值之差最小；对训练好的单工况样本集监测特征映射网络，输入相应工况下的健康样本，计算健康样本残差Xe0、以及Xe0均值μe和方差σe；对异常样本X进行监测特征的时间分割以获取每个时间窗口下的分割监测特征Xr；将异常样本X相应时间下的工况参数输入工况聚类模型中，获取异常样本的监测特征Xg、相应残差Xe、以及异常样本的监测特征Xg的均值μg和方差σg根据分割监测特征Xr、生成监测特征Xg、残差Xe和健康样本残差Xe0之间的关系，计算分割监测特征Xr的上控制限、中心线以及下控制限；监测分割监测特征Xr与上控制限、中心线以及下控制限的位置关系，当分割监测特征Xr超过上控制线或下控制线，则判断当前时间窗口出现异常。

全文数据：

权利要求：

百度查询： 中国航空工业集团公司上海航空测控技术研究所 一种基于工况的直升机异常动态监测方法

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