基于多模型集成指标的发动机运行状态监测方法及系统技术方案

本发明专利技术涉及发动机运行状态监测技术领域，提供了基于多模型集成指标的发动机运行状态监测方法及系统，包括：获取发动机在某采样点的不同采样频率下的监测数据；根据采样频率和变量类型对监测数据进行分组后，进行特征提取，得到每个组对应的监测数据矩阵和特征数据；对每个组的监测数据矩阵和特征数据，分别通过组对应的监测数据模型和特征数据模型，得到监测指标值；基于每个监测指标值，计算得到正常状态和故障状态的条件概率，并结合采样点在不同模型下发生故障的概率，得到采样点的多模型集成监测指标；基于采样点的多模型集成监测指标，判断该采样点是否为异常状态。能够对发动机运行状态给出一个综合的评判，提高了模型监测的有效性。型监测的有效性。型监测的有效性。

【技术实现步骤摘要】
基于多模型集成指标的发动机运行状态监测方法及系统


[0001]本专利技术属于发动机运行状态监测
，尤其涉及基于多模型集成指标的发动机运行状态监测方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]现有发动机运行状态监测技术中，一般是通过监测单个变量是否超出阈值，或者监测振动信号的频谱特征对发动机运行状态进行监测，没有综合利用所采集到的数据。
[0004]现有技术通过单个变量进行发动机运行状态监测时，没有利用到发动机多个变量提供的信息。单一监测发动机振动信号实现对发动机运行状态监测时，忽略的发动机运行时大量状态变量所蕴含的信息。造成对发动机运行状态数据利用不充分，所建立的监测模型对故障敏感度差的问题。

技术实现思路

[0005]为了解决上述
技术介绍
中存在的技术问题，本专利技术提供基于多模型集成指标的发动机运行状态监测方法及系统，由多个发动机运行状态监测模型共同确定多模型集成监测指标，能够对发动机运行状态给出一个综合的评判，提高了模型监测的有效性。
[0006]为了实现上述目的，本专利技术采用如下技术方案：
[0007]本专利技术的第一个方面提供基于多模型集成指标的发动机运行状态监测方法，其包括：
[0008]获取发动机在某采样点的不同采样频率下的监测数据；
[0009]根据采样频率和变量类型对监测数据进行分组后，进行特征提取，得到每个组对应的监测数据矩阵和特征数据；
[0010]对每个组的监测数据矩阵和特征数据，分别通过组对应的监测数据模型和特征数据模型，得到监测指标值；
[0011]基于每个监测指标值，计算得到正常状态和故障状态的条件概率，并结合采样点在不同模型下发生故障的概率，得到采样点的多模型集成监测指标；
[0012]基于采样点的多模型集成监测指标，判断该采样点是否为异常状态。
[0013]进一步地，通过滑动窗口的形式对监测数据矩阵进行特征提取。
[0014]进一步地，所述监测数据包括：发动机运行状态数据和发动机振动数据。
[0015]进一步地，所述特征数据包括：对运行状态数据提取的均值和方差；对振动数据提取的时域特征和频域特征。
[0016]进一步地，采样点i的多模型集成监测指标为：
[0017][0018]其中，N表示模型的个数，为采样点i在第k个模型下的监测指标值，为第k个模型对应的采样点i的数据，F表示故障状态，为故障状态的条件概率，为样本点i在第k个模型下发生故障的概率。
[0019]进一步地，对每个组的监测数据矩阵和特征数据进行标准化后，输入监测数据模型和特征数据模型。
[0020]进一步地，若采样点的多模型集成监测指标的平方大于控制限值，则采样点为异常状态。
[0021]本专利技术的第二个方面提供基于多模型集成指标的发动机运行状态监测系统，其包括：
[0022]数据获取模块，其被配置为：获取发动机在某采样点的不同采样频率下的监测数据；
[0023]特征提取模块，其被配置为：根据采样频率和变量类型对监测数据进行分组后，进行特征提取，得到每个组对应的监测数据矩阵和特征数据；
[0024]监测指标计算模块，其被配置为：对每个组的监测数据矩阵和特征数据，分别通过组对应的监测数据模型和特征数据模型，得到监测指标值；
[0025]集成模块，其被配置为：基于每个监测指标值，计算得到正常状态和故障状态的条件概率，并结合采样点在不同模型下发生故障的概率，得到采样点的多模型集成监测指标；
[0026]监测模块，其被配置为：基于采样点的多模型集成监测指标，判断该采样点是否为异常状态。
[0027]本专利技术的第三个方面提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的基于多模型集成指标的发动机运行状态监测方法中的步骤。
[0028]本专利技术的第四个方面提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的基于多模型集成指标的发动机运行状态监测方法中的步骤。
[0029]与现有技术相比，本专利技术的有益效果是：
[0030]本专利技术提供的基于多模型集成指标的发动机运行状态监测方法，其对采集到的不同类型的数据分别建立监测模型，并且分别对不同类型的数据进行特征提取并建立监测模型，更加充分的利用了采集到的数据蕴含的发动机运行的状态信息。
[0031]本专利技术提供的基于多模型集成指标的发动机运行状态监测方法，其为了综合多个监测模型对发动机远行状态的判断，提出一种多模型集成的监测指标，该指标由所建立的多个发动机运行状态监测模型共同确定，能够对发动机运行状态给出一个综合的评判，提高了模型监测的有效性。
附图说明
[0032]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。
[0033]图1是本专利技术实施例一的基于多模型集成指标的发动机运行状态监测方法的流程图；
[0034]图2是本专利技术实施例一的监测数据模型和特征数据模型的示意图。
具体实施方式
[0035]下面结合附图与实施例对本专利技术作进一步说明。
[0036]应该指出，以下详细说明都是例示性的，旨在对本专利技术提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本专利技术所属
的普通技术人员通常理解的相同含义。
[0037]术语解释：
[0038]集成指标：由多个模型监测指标共同构建的一个监测指标，用于指示发动运行状态。
[0039]控制限：是由训练数据、测试数据和监测模型，共同确定的一个限值，若监测指标超过该限值，则表示发动机运行出现异常。
[0040]实施例一
[0041]本实施例提供了基于多模型集成指标的发动机运行状态监测方法，将采集到的发动机的监测数据，按照采样频率和变量类型进行数据组别划分；分别对不同组别的数据再进行特征提取，每个组别又得到监测数据矩阵(未进行特征提取的原数据)和特征数据矩阵；对得到的监测数据矩阵和特征数据矩阵分别建立模型并计算控制限值；最后样本在每个模型下的监测指标和控制限值建立一个多模型的集成监测指标，用该指标衡量发动机的整体运行状态。
[0042]本实施例提供的基于多模型集成指标的发动机运行状态监测方法，如图1和图2所示，具体包括如下步骤：
[0043]步骤1、获取在线采集的发动机的监测数据，得到发动机在某采样点的不同采样频率下的监测数据。
[0044]步骤2、根据采样频率和变量类型，对监测数据进行分组，得到N
*
个分组，并进行特征提取，得到每个组对应的监测数据矩阵和特征数据。
[0045]例如，类型1数据表示为X1，即第一组的监测数据矩阵，则第k组的监测数据矩阵表示为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于多模型集成指标的发动机运行状态监测方法，其特征在于，包括：获取发动机在某采样点的不同采样频率下的监测数据；根据采样频率和变量类型对监测数据进行分组后，进行特征提取，得到每个组对应的监测数据矩阵和特征数据；对每个组的监测数据矩阵和特征数据，分别通过组对应的监测数据模型和特征数据模型，得到监测指标值；基于每个监测指标值，计算得到正常状态和故障状态的条件概率，并结合采样点在不同模型下发生故障的概率，得到采样点的多模型集成监测指标；基于采样点的多模型集成监测指标，判断该采样点是否为异常状态。2.如权利要求1所述的基于多模型集成指标的发动机运行状态监测方法，其特征在于，通过滑动窗口的形式对监测数据矩阵进行特征提取。3.如权利要求1所述的基于多模型集成指标的发动机运行状态监测方法，其特征在于，所述监测数据包括：发动机运行状态数据和发动机振动数据。4.如权利要求3所述的基于多模型集成指标的发动机运行状态监测方法，其特征在于，所述特征数据包括：对运行状态数据提取的均值和方差；对振动数据提取的时域特征和频域特征。5.如权利要求1所述的基于多模型集成指标的发动机运行状态监测方法，其特征在于，采样点i的多模型集成监测指标为：其中，N表示模型的个数，为采样点i在第k个模型下的监测指标值，为第k个模型对应的采样点i的数据，F表示故障状态，为故障状态的条件概率，为样本点i在第k个模型下发生故障的概率。6.如权利要求1所述的基于多模型集成指标的发动机运行状态监测方法，其特征在于，对每个组的监测...

【专利技术属性】
技术研发人员：潘永康，周建豪，马国义，齐雷，曾雯，
申请(专利权)人：潍坊潍柴动力科技有限责任公司，
类型：发明
国别省市：