一种基于BP神经网络的发动机故障诊断方法及装置与流程

本发明是属于发动机健康管理技术领域，涉及一种基于bp神经网络的发动机故障诊断方法及装置。

背景技术：

飞机发动机是一个复杂的系统，被称为飞机的心脏。及时发现发动机的安全隐患，对飞机安全性有着重大意义，也是发动机健康管理的主要目的。而数据是发动机健康管理的基础。发动机在飞行或试车过程中会产生大体量的数据，这些发动机数据隐含着发动机的故障和状态信息，充分合理地使用这些数据对发动机健康管理有着非常重要的意义。通过对发动机各种参数数据使用有效的方法进行数据挖掘，可以分析出隐含在参数数据中的发动机故障和状态信息，进而可以判断出发动机当前健康状态，为发动机维护提供依据。

技术实现要素：

本发明是设计一种基于bp神经网络的发动机故障诊断方法，使发动机故障诊断具有明显的可行性和可操作性。

第一方面，本发明提供一种基于bp神经网络的发动机故障诊断方法，方法包括以下步骤：

根据引发故障的发动机参数数据，训练bp神经网络；

向所述bp神经网络输入发动机特征参数实时数据或历史数据矩阵；

通过所述bp神经网络进行发动机故障诊断，并得到结果矩阵；

根据所述结果矩阵解析出发动机故障结果。

可选的，所述根据引发故障的发动机参数数据，训练bp神经网络，具体包括：

依据经验、事实或已有成果确定发动机故障类型；

根据所述故障类型，提取与所述故障类型对应的特征参数；

根据所述故障类型和所述特征参数，构建bp神经网络；

所述bp神经网络包括输入层、中间层和输出层，所述bp神经网络的输入层神经元为各个特征参数，所述bp神经网络的输出层神经元代表不同的故障类型。

可选的，所述根据引发故障的发动机参数数据，训练bp神经网络，具体包括：

筛选出引发故障的发动机参数数据，组成输入矩阵；

根据不同故障，组成目标矩阵；

使用由所述输入矩阵和所述目标矩阵定义的样本训练bp神经网络。

第二方面，本发明提供一种基于bp神经网络的发动机故障诊断装置，装置包括训练单元、输入单元、诊断单元，解析单元，其中：

所述训练单元，用于根据引发故障的发动机参数数据，训练bp神经网络；

所述输入单元，用于向所述bp神经网络输入发动机特征参数实时数据或历史数据矩阵；

所述诊断单元，用于通过所述bp神经网络进行发动机故障诊断，并得到结果矩阵；

所述解析单元，用于根据所述结果矩阵解析出发动机故障结果。

综上所述，本发明的优点包括：

1)维护人员便于理解；

2)使用bp神经网络工具便于施行；

3)诊断结果置信度高；

4)便于实现发动机故障自动诊断。

附图说明

图1为本发明实施例提供的一种基于bp神经网络的发动机故障诊断方法的流程图。

具体实施方式

飞机发动机在飞行或试车阶段会产生大量的参数数据，这些发动机数据隐含着发动机的故障和状态信息。通过对发动机各种参数数据使用有效的方法进行数据挖掘，可以分析出隐含在参数数据中的发动机故障和状态信息，为发动机设计完善和发动机维护提供建议。本发明首先确定发动机故障类型，再根据故障类型，提取不同发动机故障对应的特征参数，设计一个由输入层、中间层和输出层构成的bp神经网络，该bp神经网络可以使用筛选出的发动机特征参数样本对不断进行自训练。随着样本对的增加，训练使得bp神经网络对发动机进行故障诊断的精度也逐步提高，最终形成稳定的、高置信度的发动机故障诊断bp网络。训练好的bp神经网络可以通过输入发动机实时参数数据或历史数据进行故障诊断。该方法具有现实的可行性和可操作性，方便设计人员和维护人员施行。

本发明的技术方案是：

本发明首先依靠经验根据不同的发动机故障类型，提取引发故障的发动机特征参数(转子转速、转子停转时间、振动、压气机进口温度、压气机进口压力等)，之后使用确定的特征参数，设计构建一个bp神经网络，该bp神经网络由输入层、中间层和输出层构成。输入层神经元为各个特征参数，输出层各个神经元为由经验确定的不同的故障类型，然后利用经验筛选出引发故障的发动机参数数据，组成输入矩阵，目标矩阵为代表不同故障的矩阵，使用由输入矩阵和目标矩阵定义的样本训练bp神经网络。训练好的bp神经网络即可用于发动机相关故障的诊断。向训练好的bp神经网络输入由一组发动机特征参数实时数据或历史数据构成的输入矩阵，bp神经网络输出诊断结果矩阵，根据诊断结果矩阵可以容易地解析出发动机有无故障或有什么样的故障。

需要说明的是，首先明确了构建具有诊断发动机故障功能的bp神经网网络需要的输入；再明确定义了bp神经网络输入层和输出层神经元的数量和意义，便于创建一个具有诊断发动机故障功能的bp神经网络，提出了一种发动机故障诊断的可行的方法；然后，创建的bp神经网络，使用样本对对bp神经网络进行训练，随着样本对的增加，故障诊断的精度得到进一步提高，解决了当下发动机故障诊断模型单一，诊断算法固定，诊断精度难以继续提高的问题；最后，通过向bp神经网络输入发动机实时数据或历史数据矩阵，便于后续发动机自动化故障诊断的实现。

可以理解的是，本发明是设计的基于bp神经网络的发动机故障诊断方法，使发动机故障诊断具有明显的可行性和可操作性。这种故障诊断方法，为发动机设计人员或维护人员提供一种可迭代的发动机故障诊断方法。随着发动机参数数据的积累，故障诊断模型得到进一步完善，故障诊断的精度也得到进一步提高，最终形成稳定的、高置信度的发动机故障诊断bp神经网络，故障诊断结果为发动机设计完善和发动机维护提供支持。

如图1所示，一种基于bp神经网络的发动机故障诊断方法具体实现如下：

依据经验、事实或已有成果确定发动机故障类型；

根据故障类型，提取不同故障的特征参数；

构建一个输入层、中间层和输出层的bp神经网络，输入层神经元为各个特征参数，输出层各个神经元代表不同的故障类型；

筛选出引发故障的发动机参数数据，组成输入矩阵，目标矩阵为代表不同故障的矩阵，使用由输入矩阵和目标矩阵定义的样本对训练bp神经网络。

向训练好的bp神经网络输入发动机特征参数实时数据或历史数据矩阵，进行发动机故障诊断，得到结果矩阵，根据结果矩阵可容易地解析出发动机故障结果。

综上所述，本发明的优点包括：

1)维护人员便于理解；

2)使用bp神经网络工具便于施行；

3)诊断结果置信度高；

4)便于实现发动机故障自动诊断。

技术特征：

技术总结
本发明提供一种基于BP神经网络的发动机故障诊断方法，所述方法包括以下步骤：根据引发故障的发动机参数数据，训练BP神经网络；向所述BP神经网络输入发动机特征参数实时数据或历史数据矩阵；通过所述BP神经网络进行发动机故障诊断，并得到结果矩阵；根据所述结果矩阵解析出发动机故障结果。

技术研发人员：韩联庆
受保护的技术使用者：中国航空工业集团公司西安航空计算技术研究所
技术研发日：2018.12.11
技术公布日：2019.04.05