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。