一种基于混合特征声的直升机监测方法及系统与流程

本发明涉及直升机应用健康与使用监测，更具体地说，它涉及一种基于混合特征声的直升机监测方法及系统。

背景技术：

1、随着直升机在军事作战、抢险救灾等多种领域的逐渐推广，直升机应用健康与使用监测系统(hums)也逐渐受到重视。它作为一种贯穿直升机整个设备使用生命周期的辅助系统，能帮助预警故障、发现潜在故障隐患、监测设备状态。hums的使用对于减少故障危害、提高维修保障性能、保障机组安全有着重要的价值。作为一种复杂的设备系统，hums中应用的技术对于其他设备的监测系统也有较好的应用示范价值。

2、在目前的hums中，最主要的传感器是接触式的振动传感器，通过测量发动机、传动系统、旋翼等部件的振动信号，结合直升机的运行状态，例如速度、发动机转速、温度等其它参数，来配合监测整个直升机系统的状态。

3、现有振动传感器基于测量固体振动、加速度信号的探测原理，多采用固定接触式安装，整个系统与机身结构的耦合程度深，如果系统需要安装在不同的直升机上，需要重新针对性地进行硬件调整。此外，节点式的加速度传感器安装相对不够灵活，数量少时对于故障的定位能力有限，数量多时布设复杂。而机械波在固体中传播速度快、波长大、传播路径也受到机械结构的限制和影响，这进一步影响了对于故障定位的能力，只能通过故障模式进行分析。而相应的，整个系统的结构灵活性也很小，进一步调整或扩展的空间也不大。

4、有鉴于此，发明人提出一种基于混合特征声的直升机监测方法及系统。

技术实现思路

1、本技术的目的是提供一种基于混合特征声的直升机监测方法及系统，采用声学传感器建立覆盖机体的探测网络，实现故障的预警、定位及诊断，替代传统的基于振动信号的故障探测方案，可以广泛适配不同的机型。

2、本技术首先提供一种基于混合特征声的直升机监测方法，上述技术目的是通过以下技术方案得以实现的：方法包括

3、获取直升机的声学数据、运行数据和结构数据；

4、对所述声学数据进行预处理，从处理后的所述声学数据中提取至少一种低阶特征数据，将所述低阶特征数据与数据库中的常态数据进行比较，如异常则生成预警信息；

5、当所述声学数据异常时，通过所述声学数据、运行数据、结构数据和故障在机舱分布的先验概率，获得异常声源定位信息；

6、通过所述异常声源定位信息对所述声学数据进行筛选和增强，获得待识别声学特征数据，将所述待识别声学特征数据和运行数据输入基于注意力机制的诊断模型，获得故障类型和该故障类型的概率；

7、根据所述预警信息、异常声源定位信息、故障类型和该故障类型的概率生成监测结果。

8、采用上述技术方案，基于声学数据实现故障预警、故障定位和故障诊断全方位的监测，声学传感器无需与机身耦合即可进行采集，方法可适配不同机型，且声学探测的覆盖范围更大，易于构建整机的探测网络；采用声学数据、运行数据、结构数据和故障在机舱分布的先验概率联合进行故障定位，降低对传感器的依赖，减少传播路径结构带来的影响，定位更为精准。

9、进一步的，通过所述声学数据、运行数据、结构数据和故障在机舱分布的先验概率，获得异常声源定位信息，包括：

10、通过所述声学数据和运行数据获得声源空间分布概率，通过所述结构数据和故障在机舱分布的先验概率获得历史故障定位分布概率，通过所述声源空间分布概率和历史故障定位分布概率获得异常声源定位信息。

11、进一步的，通过所述异常声源定位信息对所述声学数据进行筛选和增强，获得待识别声学特征数据，包括：

12、根据所述异常声源定位信息筛选来自异常声源定位附近的声学数据，并对所述异常声源定位附近的声学数据进行增强，获得待识别声学特征数据。

13、进一步的，将所述待识别声学特征数据和运行数据输入基于注意力机制的诊断模型，获得故障类型和该故障类型的概率，通过以下步骤得出：

14、将所述待识别声学特征数据和运行数据转换为相同维度的向量；

15、采用注意力模型从所述相同维度的向量中提取特征值，并对所述特征值赋予权重；

16、将包含权重的所述特征值输入诊断模型，获得分类结果：故障类型和该故障类型的概率。

17、进一步的，还包括通过所述声学数据和运行数据更新数据库的常态数据，通过所述待识别声学特征数据、运行数据和实际故障类型优化所述基于注意力机制的诊断模型。

18、本技术另一方面提供一种基于混合特征声的直升机监测系统，系统包括

19、传感器分系统和处理主机，所述传感器分系统与所述处理主机连接；

20、所述传感器分系统包括声阵列传感器、声节点传感器和外源传感器，所述声阵列传感器部署在机舱内，用于采集机舱内的声学数据，所述声节点传感器部署在机舱的特定位置，用于采集特定位置的声学数据，所述外源传感器与直升机操作系统连接，用于采集直升机的运行数据；

21、所述处理主机内置程序用于实现如上所述的一种基于混合特征声的直升机监测方法，输出包含预警信息、异常声源定位信息、故障类型和该故障类型的概率的监测信息。

22、进一步的，所述处理主机包括：声信号预处理模块、异常信号快速检测模块、异常声源定位模块、故障诊断模块和数据维护与更新模块；

23、所述声信号预处理模块，用于对所述声学数据进行预处理；

24、所述异常信号快速检测模块，用于从处理后的所述声学数据中提取至少一种低阶特征数据，将所述低阶特征数据与数据库中的常态数据进行比较，如异常则生成预警信息；

25、所述异常声源定位模块，用于在所述声学数据异常时，通过所述声学数据、运行数据、结构数据和故障在机舱分布的先验概率，获得异常声源定位信息；

26、所述故障诊断模块，用于通过所述异常声源定位信息对所述声学数据进行筛选和增强，获得待识别声学特征数据，将所述待识别声学特征数据和运行数据输入基于注意力机制的诊断模型，获得故障类型和该故障类型的概率；

27、所述数据维护与更新模块，用于通过所述声学数据和运行数据更新数据库的常态数据，通过所述待识别声学特征数据、运行数据和实际故障类型优化所述基于注意力机制的诊断模型。

28、进一步的，所述异常声源定位模块包括：

29、声源空间分布概率解算模块，用于通过所述声学数据和运行数据获得声源空间分布概率；

30、历史故障定位分布概率解算模块，用于通过所述结构数据和故障在机舱分布的先验概率获得历史故障定位分布概率；

31、异常声源定位模块，用于通过所述声源空间分布概率和历史故障定位分布概率获得异常声源定位信息。

32、进一步的，所述故障诊断模块包括：

33、数据筛选增强模块，用于根据所述异常声源定位信息筛选来自异常声源定位附近的声学数据，并对异常声源定位方向的声学数据进行增强，获得待识别声学特征数据。

34、进一步的，所述故障诊断模块包括：

35、数据筛选增强模块，用于根据所述异常声源定位信息筛选来自异常声源定位附近的声学数据，并对异常声源定位方向的声学数据进行增强，获得待识别声学特征数据。

36、与现有技术相比，本技术提出的一种基于混合特征声的直升机监测方法及系统具有以下

37、有益效果：

38、本技术基于声学数据实现故障预警、故障定位和故障诊断全方面的检测；声传感器可以通过非接触的方式在机舱内获得声学数据，可以适应不同机型；故障预警方面采用基于低阶特征数据进行故障预警，提高故障预警的速度；故障定位方面基于声学数据、运行数据、结构数据和故障在机舱分布的先验概率联合定位异常声源，减少对传感器数据的依赖，定位更为可靠；故障判断方面通过异常声源定位信息反向筛选、增强输入信息，并结合基于注意力机制的诊断模型进行故障诊断，提高诊断精度与效率；本技术还通过在线、离线更新数据库，提供实时更新的稳态数据，通过待识别声学特征数据、运行数据和实际故障类型优化基于注意力机制的诊断模型。