本发明专利技术公开一种基于主元核相似度免疫机制的航空发动机故障诊断方法，基于主元核理论和免疫系统机制，提出了基于主元核相似度免疫机制的故障诊断方法，该方法在免疫形态空间中采用主元核形式的相似性度量，将已知故障模式中的每个样本看作一个抗体，将待检样本看作抗原，把故障诊断问题转化为抗体对抗原的识别问题。该方法受故障模式分布结构的影响较小，当故障样本分散程度较大，聚类性较差时，仍能得到较好的诊断结果。
【技术实现步骤摘要】
本专利技术涉及一种故障诊断方法，具体涉及一种基于主元核相似度免疫机制的航空 发动机故障诊断方法。
技术介绍
目前，国内外已发展了多种应用于航空发动机的智能故障诊断方法，如专家系统 方法、神经网络方法，以及基于支持向量机的诊断方法等。这些方法为建立航空发动机的智 能诊断，提高系统运行、维护人员的决策效率做出了贡献。但是，以上诊断方法需要有足够 的已知故障模式的训练样本才能发挥出优异的性能，否则结果往往不能令人满意，而且算 法实时性较差，难以满足快速在线诊断的要求。 传统的基于距离判别函数的故障诊断方法物理意义明确，算法简单，速度快，可以 实现快速的在线诊断。但是，这种方法对于聚类性好的故障样本，其诊断的准确性较高，当 故障样本分散程度较大，聚类性较差时，将会产生错误的诊断结果，这就限制了它在航空发 动机故障诊断中的应用。 随着对生物免疫系统认识的深入，人工免疫系统（artificial immune system， AIS)已成为人工智能、智能计算等领域的研究热点，国内外提出了各种基于免疫系统机制 的免疫算法，并用其解决工程实际问题。
技术实现思路
针对上述现有技术存在的问题，本专利技术提供一种基于主元核相似度免疫机制的航 空发动机故障诊断方法，该方法在免疫形态空间中采用主元核形式的相似性度量，将已知 故障模式中的每个样本看作一个抗体，将待检样本看作抗原，把故障诊断问题转化为抗体 对抗原的识别问题，该方法受故障模式分布结构的影响较小，当故障样本分散程度较大，聚 类性较差时，仍能得到较好的诊断结果。 为了实现上述目的，本专利技术采用的技术方案是：一种基于主元核相似度免疫机制 的航空发动机故障诊断方法，包括以下步骤： 步骤1 :根据每个模式样本的数据矩阵X，求出X矩阵的协方差矩阵的规格化特征 向量系统，得到每个模式类的主元核： 步骤1):用类核代表一类故障模式，类核由单位正交矢量Sl，s2···，S 1XO < r < η) 所张成的空间表示，BP 其中，V是特征空间中的一点，η表示空间维数，r表示单位正交矢量个数，Rn表示 实数η维向量空间， 每一类《,用K =K(v7.，vv"，气）代表，一个待分类样本叉与ω]类的距离采用 X到Vlj的正交距离，这种距离的定义是： 其中，j表示第j个故障模式，Vj表示每一类ω j特征空间中的一点； 步骤2):对一类模式样本构成的数据矩阵X e Rnxm进行主元分析，其中n表示样 本个数，m表示特征变量个数，主元分析将数据矩阵分解为一系列主元矩阵的和，数学表达 式如下： 其中，k为所保留的主元个数，h是系统主元，p ;是主元特征向量，E是残差矩阵， 载荷向量Pi为单位向量，且相互正交， 上式可写为更紧凑的形式：由于X保留了原始数据中有意义的信息，而残差阵E的方差则代表了测量噪声等 干扰信息，所以可以忽略残差阵，因而数据X可以近似表示为： 步骤3):根据步骤1)和2)，可以定义一个核来表示一个类 ，称为主元核，其中，6 =(是和X矩阵的协方差矩阵的kj个最大特征值相对 应的规格化特征向量系统； 步骤2 :将待分类样本看作抗原，已知故障模式中的样本看作B细胞，计算抗原与 每一个B细胞的主元核形式的亲和力： 提出采用一种称为主元核相似度的亲和力定义方法，该方法定义为以各类主元子 空间上的欧氏距离的倒数作为亲和力； 采用主元核函数来表示一个类Co j，在主元子空间上的样本之间的相似性程度可 以直接用主元子空间上的欧氏距离来度量，即 形态空间中的免疫分子之间的亲和力定义为： 其中，竭和为主元子空间上的数据； 步骤3 :根据亲和力求出亲和力阈值，通过去除低于亲和力阈值的故障样本，确定 高亲和力故障样本各自模式类的主元核； 所有抗体与抗原的亲和力的平均值为平均亲和力，可表示为： 其中，η为抗体的数量， 因数q和平均亲和力的乘积为亲和力阈值，可表示为： 步骤4 :计算待分类样本与各故障模式的相似度，以此作为判别函数确定其故障 类型： 规定一个样本\与主元核K ;之间的正交距离d(x D Kj)来表示X1与类ω j之间的 相似程度，BP 待分类样本X与《,类的相似性度量d(x，ω ,)作为距离判别函数，即 d(x，CO1) < d(x，ωj)，V卜人则 X e 〇ι〇 与现有技术相比：本专利技术基于免疫系统的识别机制对传统的距离判别函数法进行 了改进，提出了，本专利技术弥补了传 统距离判别函数法所存在的不足，提高了故障诊断的准确率；能够在较少先验知识的情况 下快速、准确地解决航空发动机故障诊断问题，具有算法简单、运算速度快的特点，且对训 练样本模式分布结构的适应性较强；随着航空发动机状态监测和故障诊断技术的发展，基 于免疫机制的故障诊断方法具有广阔的发展前景，生物免疫系统的许多其它机制，如：免疫 网络，免疫记忆等对故障诊断方法的研究会有启发作用，免疫系统的许多机制的综合应用， 可望开发出更高效、更实用的故障诊断方法。【具体实施方式】 下面对本专利技术作进一步说明。 本，包括以下步骤： 步骤1 :根据每个模式样本的数据矩阵X，求出X矩阵的协方差矩阵的规格化特征 向量系统，得到每个模式类的主元核： 步骤1):基于核函数技术，一类故障模式不是用一个点代替该类，而是用类核代 表一类故障模式，类核由单位正交矢量S 1, s2···，S1^O < r < η)所张成的空间表不，即 其中，V是特征空间中的一点，η表示空间维数，r表示单位正交矢量个数，Rn表示 实数η维向量空间， 于是每一类ω ,就可用^ = 〇)，气，气，···，气）代表，一个待分类样本χ与ω，类的 距离采用X到的正交距离，这种距离的定义是： 其中，j表示第j个故障模式，Vj表示每一类ω j特征空间中的一点； 步骤2):对一类模式样本构成的数据矩阵X e Rnxm进行主元分析，其中n表示样 本个数，m表示特征变量个数，为了消除不同变量的量纲和量程的影响，在主元分析前对原 始数据进行标准化处理，使所有的特征变量数据具有零均值和单位标准差，主元分析将数 据矩阵分解为一系列主元矩阵的和，数学表达式如下： 其中，k为所保留的主元个数A1是系统主元，也称得分向量，提取样本间关联信 息；Pi是主元特征向量，也称载荷向量，提取变量间关联信息；E是残差矩阵，提取随机噪声 和模型误差信息，载荷向量P 1为单位向量，且相互正交， 上式可写为更紧凑的形式：由于z保留了原始数据中有意义的信息，而残差阵E的方差则代表了测量噪声等 干扰信息，所以可以忽略残差阵，因而数据X可以近似表示为： 步骤3):根据步骤1)和2)，可以定义一个核来表示一个类 ω j，称为主元核，其中，6 =()是和X矩阵的协方差矩阵的Icj个最大特征值相对应 的规格化特征向量系统； 步骤2 :将待分类样本看作抗原，已知故障模式中的样本看作B细胞，计算抗原与 每一个B细胞的主元核形式的亲和力： 免疫算法的核心是采用一种合适的免疫形态空间中免疫分子亲和力的定义方法， 原始算法直接采用欧氏距离的倒数作为亲和力，这是很局限的。只有当模式类的自然分布 为球状或接近球状时，即每类的各个分量的方差接近相等时，才可能有较好的效果。如果各 分量方差不等而呈其它形态，上述算法并本文档来自技高网...
【技术保护点】
一种基于主元核相似度免疫机制的航空发动机故障诊断方法，其特征在于：包括以下步骤：步骤1：根据每个模式样本的数据矩阵X，求出X矩阵的协方差矩阵的规格化特征向量系统，得到每个模式类的主元核：步骤1)：用类核代表一类故障模式，类核由单位正交矢量s1,s2…,sr(0≤r≤n)所张成的空间表示，即Vr={y|y∈Rn,y=v+Σj=1rtjsj,tj∈R}=defVr(v,s1,s2,...,sr)]]>其中，v是特征空间中的一点，n表示空间维数，r表示单位正交矢量个数，Rn表示实数n维向量空间，每一类ωj用代表，一个待分类样本x与ωj类的距离采用x到Vrj的正交距离，这种距离的定义是：d(x,ωj)=[||x-vj||2-Σk=1rj((x-vj)′sik)2]12]]>其中，j表示第j个故障模式，vj表示每一类ωj特征空间中的一点；步骤2)：对一类模式样本构成的数据矩阵X∈Rn×m进行主元分析，其中n表示样本个数，m表示特征变量个数，主元分析将数据矩阵分解为一系列主元矩阵的和，数学表达式如下：X=t1p1T+t2p2T+...+tkpkT+E]]>其中，k为所保留的主元个数，ti是系统主元，pi是主元特征向量，E是残差矩阵，载荷向量pi为单位向量，且相互正交，上式可写为更紧凑的形式：X=X^+E=Σi=1ktipiT+E]]>由于保留了原始数据中有意义的信息，而残差阵E的方差则代表了测量噪声等干扰信息，所以可以忽略残差阵，因而数据X可以近似表示为：X≈t1p1T+t2p2T+...+tkpkT;]]>步骤3)：根据步骤1)和2)，可以定义一个核来表示一个类ωj，称为主元核，其中，是和X矩阵的协方差矩阵的kj个最大特征值相对应的规格化特征向量系统；步骤2：将待分类样本看作抗原，已知故障模式中的样本看作B细胞，计算抗原与每一个B细胞的主元核形式的亲和力：提出采用一种称为主元核相似度的亲和力定义方法，该方法定义为以各类主元子空间上的欧氏距离的倒数作为亲和力；采用主元核函数来表示一个类ωj，在主元子空间上的样本之间的相似性程度可以直接用主元子空间上的欧氏距离来度量，即d(xi,xj)=(PiTxi-PjTxj)T(PiTxi-PjTxj)]]>形态空间中的免疫分子之间的亲和力定义为：fi,j=1/||Abic-Agjc||]]>其中，和为主元子空间上的数据；步骤3：根据亲和力求出亲和力阈值，通过去除低于亲和力阈值的故障样本，确定高亲和力故障样本各自模式类的主元核；所有抗体与抗原的亲和力的平均值为平均亲和力，可表示为：f‾=Σi=1nf(Abi,Ag)n]]>其中，n为抗体的数量，因数q和平均亲和力的乘积为亲和力阈值，可表示为：T=q×f‾;]]>步骤4：计算待分类样本与各故障模式的相似度，以此作为判别函数确定其故障类型：规定一个样本xi与主元核Kj之间的正交距离d(xi,Kj)来表示xi与类ωj之间的相似程度，即d(xi,Kj)=[||xi||2-Σj=1k(xiTpj)2]12]]>待分类样本x与ωj类的相似性度量d(x,ωj)作为距离判别函数，即d(x,ωi)＜d(x,ωj)，则x∈ωi。...
【技术特征摘要】
【专利技术属性】
技术研发人员：李乐喜，侯胜利，王涛，乔丽，沐爱勤，周扬，史霄霈，
申请(专利权)人：中国人民解放军空军勤务学院，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。