一种航空发动机稳态数据筛选方法及装置

1.本发明涉及航空发动机设计与控制技术领域，尤其涉及一种航空发动机稳态数据筛选方法。


背景技术：

2.随着航空工业技术的发展，飞行任务、环境越来越复杂多变。航空发动机通常选取大机动，高强度对抗下的工况进行飞行试验，在长期飞行过程中积累了大量数据，如何有效利用这些试验数据，减少人工参与以实现数据自动化处理，同时降低稳态数据的错选或遗漏率，成为航空发动机领域，尤其是军用航空发动机领域亟需解决的关键难题之一。
3.目前，针对飞行数据中的稳态数据筛选问题，国内外通常根据发动机测量参数的变化幅度、平均值偏差、均方差三个标准进行筛选。例如nasa的格伦研究中心利用低通滤波预处理飞行数据，计算其中所包含测量参数的平均值和标准偏差，标准数据的偏差低于定义的约束则判断为稳态数据[simon d l，litt j s.adata filter for identifying steady-state operating points in engine flight data for condition monitoring applications[j].journal of engineering for gas turbines and power]。国内方面，孙浩等[孙浩，郭迎清，李睿超.机载实时模型稳态基准值的修正方法研究[j].航空计算技术]同样根据变化幅度、平均值偏差、均方差这三个标准，从大量的发动机传感器参数中辨识出稳态下运行的数据。然而以上三个阈值通常根据经验选取，且未制定选取标准，过多依赖工程经验增加了基线模型建模的工作量，同时阈值选取过大过小容易导致稳态数据错选或漏选。


技术实现要素：

[0004]
本发明所要解决的技术问题在于克服现有技术不足，提供一种航空发动机稳态数据筛选方法，以加、减速过程温度分布差异为核心依据来确定航空发动机的变化幅度、平均值偏差、均方差的最优阈值，能较好的解决稳态数据筛选时需要人工经验且无法获取阈值最优值的问题。
[0005]
本发明具体采用以下技术方案解决上述技术问题：
[0006]
一种航空发动机稳态数据筛选方法，为航空发动机的各项测量参数分别设定变化幅度阈值、平均值偏差阈值、均方差阈值，然后依据所设定的变化幅度阈值、平均值偏差阈值、均方差阈值从航空发动机的各项原始测量参数样本中筛选出稳态测量参数；按照以下方法为航空发动机的各项测量参数分别设定变化幅度阈值、平均值偏差阈值、均方差阈值：
[0007]
步骤一、首先对航空发动机的原始温度测量参数进行去噪；然后从去噪后的航空发动机的原始温度测量参数中提取出加速状态下的温度测量参数和减速状态下的温度测量参数；对加速状态下的温度测量参数关于燃油的函数ya及减速状态下的温度测量参数关于燃油的函数yd分别进行多项式拟合，并以函数ya与yd的重合度最高为优化目标，以航空发动机的温度测量参数的变化幅度阈值、平均值偏差阈值、均方差阈值作为待优化变量分别
进行优化求解，得到航空发动机的温度测量参数的最优变化幅度阈值、最优平均值偏差阈值、最优均方差阈值；
[0008]
步骤二、利用所述航空发动机的温度测量参数的最优变化幅度阈值、最优平均值偏差阈值、最优均方差阈值，对去噪后的航空发动机的原始温度测量参数进行稳态数据筛选；然后以筛选出的稳态温度测量参数所对应的采样点为稳态点，以这些稳态点上的航空发动机的其余各项测量参数为依据，倒推出航空发动机的其余各项测量参数的最优变化幅度阈值、最优平均值偏差阈值、最优均方差阈值。
[0009]
优选地，使用小波去噪方法进行所述去噪。
[0010]
优选地，使用数据异常校验准则倒推出航空发动机的其余各项测量参数的最优变化幅度阈值、最优平均值偏差阈值、最优均方差阈值。
[0011]
进一步优选地，使用拉伊达准则倒推出航空发动机的其余各项测量参数的最优变化幅度阈值、最优平均值偏差阈值、最优均方差阈值；在使用拉伊达准则倒推出航空发动机的其余各项测量参数的最优均方差阈值时，先为稳态点上的航空发动机的其余各项测量参数的均方差数据补充关于均方差0轴对称的虚拟均方差数据，以使得均方差数据近似服从正态分布。
[0012]
基于同一发明构思还可以得到以下技术方案：
[0013]
一种航空发动机稳态数据筛选装置，包括阈值设定模块，用于为航空发动机的各项测量参数分别设定变化幅度阈值、平均值偏差阈值、均方差阈值；以及数据筛选模块，用于依据所设定的变化幅度阈值、平均值偏差阈值、均方差阈值从航空发动机的各项原始测量参数样本中筛选出稳态测量参数；所述阈值设定模块包括：
[0014]
第一阈值获取模块，用于执行以下处理过程：首先对航空发动机的原始温度测量参数进行去噪；然后从去噪后的航空发动机的原始温度测量参数中提取出加速状态下的温度测量参数和减速状态下的温度测量参数；对加速状态下的温度测量参数关于燃油的函数ya及减速状态下的温度测量参数关于燃油的函数yd分别进行多项式拟合，并以函数ya与yd的重合度最高为优化目标，以航空发动机的温度测量参数的变化幅度阈值、平均值偏差阈值、均方差阈值作为待优化变量分别进行优化求解，得到航空发动机的温度测量参数的最优变化幅度阈值、最优平均值偏差阈值、最优均方差阈值；
[0015]
第二阈值获取模块，用于执行以下处理过程：利用所述航空发动机的温度测量参数的最优变化幅度阈值、最优平均值偏差阈值、最优均方差阈值，对去噪后的航空发动机的原始温度测量参数进行稳态数据筛选；然后以筛选出的稳态温度测量参数所对应的采样点为稳态点，以这些稳态点上的航空发动机的其余各项测量参数为依据，倒推出航空发动机的其余各项测量参数的最优变化幅度阈值、最优平均值偏差阈值、最优均方差阈值。
[0016]
优选地，使用小波去噪方法进行所述去噪。
[0017]
优选地，使用数据异常校验准则倒推出航空发动机的其余各项测量参数的最优变化幅度阈值、最优平均值偏差阈值、最优均方差阈值。
[0018]
进一步优选地，使用拉伊达准则倒推出航空发动机的其余各项测量参数的最优变化幅度阈值、最优平均值偏差阈值、最优均方差阈值；在使用拉伊达准则倒推出航空发动机的其余各项测量参数的最优均方差阈值时，先为稳态点上的航空发动机的其余各项测量参数的均方差数据补充关于均方差0轴对称的虚拟均方差数据，以使得均方差数据近似服从
正态分布。
[0019]
相比现有技术，本发明技术方案具有以下有益效果：
[0020]
本发明基于航空发动机稳态下的自身特点，首次提出以加、减速过程温度分布差异为核心依据来确定航空发动机的稳态点，然后以这些稳态点上的航空发动机各项测量参数作为已知稳态数据，倒推出航空发动机各项测量参数的变化幅度、平均值偏差、均方差的最优阈值，能较好的解决稳态数据筛选时需要人工经验且无法获取阈值最优值的问题。
附图说明
[0021]
图1为具体实施方式中航空发动机温度参数的稳态数据筛选流程示意图；
[0022]
图2为偏差值随温度阈值变化趋势图；
[0023]
图3为最优温度参数阈值重合度效果图；
[0024]
图4为稳态温度数据筛选效果图；
[0025]
图5为测量参数均方差、平均值偏差，变化幅度分布图；
[0026]
图6为其余测量参数稳态数据筛选效果图。
具体实施方式
[0027]
现有技术进行航空发动机稳态数据筛选通常采用三个标准，这三个标准筛选稳态值分别为：1、在任意固定时间序列内，发动机测量参数和高度、马赫数等工作条件的变化幅度ν低于某一阈值；2、在任意固定时间序列内，发动机测量参数与这一时间平均值之间的差值μ低于某一阈值；3、在任意固定时间序列内，发动机测量参数均方差δ低于某一阈值。对应的变化幅度ν，平均值之间的差值μ，均方差δ表达式为：
[0028]
υ＝y
k-y
k-1
[0029][0030][0031]
式中，yi为第i个时间序列的传感器测量参数，n为固定时间序列内样本个数，k为当前时间序列。
[0032]
然而现有技术在针对航空发动机各项测量参数选取这三个阈值时普遍根据经验选取，且未制定合理的阈值选取标准，稳态数据的筛选随意性较强，容易导致稳态数据错选或漏选。
[0033]
针对现有航空共发动机稳态数据筛选中的阈值确定问题，本发明的解决思路是基于航空发动机稳态下的自身特点，首次提出以加、减速过程温度分布差异为核心依据来确定航空发动机的稳态点，然后以这些稳态点上的航空发动机各项测量参数作为已知稳态数据，倒推出航空发动机各项测量参数的变化幅度、平均值偏差、均方差的最优阈值，能较好的解决稳态数据筛选时需要人工经验且无法获取阈值最优值的问题。
[0034]
本发明具体采用以下技术方案：
[0035]
一种航空发动机稳态数据筛选方法，为航空发动机的各项测量参数分别设定变化幅度阈值、平均值偏差阈值、均方差阈值，然后依据所设定的变化幅度阈值、平均值偏差阈值、均方差阈值从航空发动机的各项原始测量参数样本中筛选出稳态测量参数；按照以下方法为航空发动机的各项测量参数分别设定变化幅度阈值、平均值偏差阈值、均方差阈值：
[0036]
步骤一、首先对航空发动机的原始温度测量参数进行去噪；然后从去噪后的航空发动机的原始温度测量参数中提取出加速状态下的温度测量参数和减速状态下的温度测量参数；对加速状态下的温度测量参数关于燃油的函数ya及减速状态下的温度测量参数关于燃油的函数yd分别进行多项式拟合，并以函数ya与yd的重合度最高为优化目标，以航空发动机的温度测量参数的变化幅度阈值、平均值偏差阈值、均方差阈值作为待优化变量分别进行优化求解，得到航空发动机的温度测量参数的最优变化幅度阈值、最优平均值偏差阈值、最优均方差阈值；
[0037]
步骤二、利用所述航空发动机的温度测量参数的最优变化幅度阈值、最优平均值偏差阈值、最优均方差阈值，对去噪后的航空发动机的原始温度测量参数进行稳态数据筛选；然后以筛选出的稳态温度测量参数所对应的采样点为稳态点，以这些稳态点上的航空发动机的其余各项测量参数为依据，倒推出航空发动机的其余各项测量参数的最优变化幅度阈值、最优平均值偏差阈值、最优均方差阈值。
[0038]
一种航空发动机稳态数据筛选装置，包括阈值设定模块，用于为航空发动机的各项测量参数分别设定变化幅度阈值、平均值偏差阈值、均方差阈值；以及数据筛选模块，用于依据所设定的变化幅度阈值、平均值偏差阈值、均方差阈值从航空发动机的各项原始测量参数样本中筛选出稳态测量参数；所述阈值设定模块包括：
[0039]
第一阈值获取模块，用于执行以下处理过程：首先对航空发动机的原始温度测量参数进行去噪；然后从去噪后的航空发动机的原始温度测量参数中提取出加速状态下的温度测量参数和减速状态下的温度测量参数；对加速状态下的温度测量参数关于燃油的函数ya及减速状态下的温度测量参数关于燃油的函数yd分别进行多项式拟合，并以函数ya与yd的重合度最高为优化目标，以航空发动机的温度测量参数的变化幅度阈值、平均值偏差阈值、均方差阈值作为待优化变量分别进行优化求解，得到航空发动机的温度测量参数的最优变化幅度阈值、最优平均值偏差阈值、最优均方差阈值；
[0040]
第二阈值获取模块，用于执行以下处理过程：利用所述航空发动机的温度测量参数的最优变化幅度阈值、最优平均值偏差阈值、最优均方差阈值，对去噪后的航空发动机的原始温度测量参数进行稳态数据筛选；然后以筛选出的稳态温度测量参数所对应的采样点为稳态点，以这些稳态点上的航空发动机的其余各项测量参数为依据，倒推出航空发动机的其余各项测量参数的最优变化幅度阈值、最优平均值偏差阈值、最优均方差阈值。
[0041]
为便于公众理解，下面以一个优选实施例并结合附图来对本发明的技术方案进行进一步详细说明：
[0042]
本实施例的航空发动机稳态数据筛选过程如图1所示，具体如下：
[0043]
步骤1、原始测量参数预处理：
[0044]
在对飞行过程中所获取的航空发动机原始测量参数进行筛选前，有必要先进行数据的预处理，以消除数据中的噪声；可以采用现有的奇异值分解、小波变换、均值滤波等去
噪方法。本实施例采用小波去噪方法进行所述去噪。小波去噪为特征提取和低通滤波的综合，一个含噪的一维信号模型可表示为如下形式：
[0045]
s(k)＝f(k) ε*e(k)k＝0.1
……
n-1
[0046]
式中，f(k)为有用信号，s(k)为含噪声信号，e(k)为噪声，ε为噪声系数的标准偏差。噪声信号则表现为高频的信号，对s(k)信号进行小波分解，然后对信号进行重构即可以达到消噪的目的。
[0047]
步骤2、对航空发动机的加速过程和减速过程进行识别，并从去噪后的航空发动机的原始温度测量参数中提取出加速状态下的温度测量参数和减速状态下的温度测量参数：
[0048]
本实施例中的加速状态提取表达式为：
[0049]
pla(k)＞pla(k-1)k＝0，1，
……
，n-1
[0050]
减速状态提取表达式为：
[0051]
pla(k)＜pla(k-1)k＝0，1
……
，n-1
[0052]
式中，pla(k)为对应时刻油门杆角度，pla(k-1)为上一时刻油门杆角度。当上下对应时刻油门杆角度相等时，状态识别为最近时刻提取的对应加减速状态。
[0053]
步骤3、对加速状态下的温度测量参数关于燃油的函数ya及减速状态下的温度测量参数关于燃油的函数yd分别进行多项式拟合，并以函数ya与yd的重合度最高为优化目标，以航空发动机的温度测量参数的变化幅度阈值、平均值偏差阈值、均方差阈值作为待优化变量分别进行优化求解，得到航空发动机的温度测量参数的最优变化幅度阈值、最优平均值偏差阈值、最优均方差阈值：
[0054]
本发明依据多项式拟合的原理，将输出样本与拟合曲线方差最小作为拟合目标，寻找燃油与温度加减速数据之间的函数关系，以两个函数的差(即偏差值)作为衡量指标来建立优化模型。
[0055]
发动机燃油参数xr与加速过程温度测量参数ya、减速过程温度测量参数yd之间的函数关系表达式为：
[0056][0057][0058]
式中，p0、p1……
pn是加速过程n阶线性多项式系数，p'0、p'1……
p'n是减速过程n阶线性多项式系数，n代表多项式的阶次。
[0059]
函数ya与yd的重合度选用加减速函数值之差来进行衡量，偏差值越小表示重合度越高，其表达式为：
[0060][0061]
式中，δy为加减速过程温度参数的偏差值，y
ai
、y
di
为第i个样本点对应的加减速温度，m为样本总个数。
[0062]
分别对三个阈值进行遍历，搜索出使得δy最小的温度测量参数的变化幅度阈值、平均值偏差阈值、均方差阈值，即可得到最航空发动机的温度测量参数的最优变化幅度阈值、最优平均值偏差阈值、最优均方差阈值。加减速函数偏差值随温度参数三个阈值的分布如图2所示；从图3所示的最优温度参数阈值重合度可以看出，加减速过程的函数关系基本
重合，说明取值的合理性。
[0063]
步骤4、利用所述航空发动机的温度测量参数的最优变化幅度阈值、最优平均值偏差阈值、最优均方差阈值，对去噪后的航空发动机的原始温度测量参数进行稳态数据筛选：
[0064]
利用三个阈值进行航空发动机温度测量参数的稳态数据筛选为现有技术，为节省篇幅起见，此处不再赘述；温度稳态数据筛选结果如图4所示。
[0065]
步骤5、以筛选出的稳态温度测量参数所对应的采样点为稳态点，以这些稳态点上的航空发动机的其余各项测量参数为依据，倒推出航空发动机的其余各项测量参数的最优变化幅度阈值、最优平均值偏差阈值、最优均方差阈值：
[0066]
由于温度变化最为缓慢，当温度处于稳态时，其余参数均处于稳定状态，本发明正是基于这一逻辑，利用已筛选出的温度稳态数据来进行其余参数稳态点的识别，并依据稳态点上的其余参数数据倒推出最优稳态阈值。
[0067]
由于默认上述稳态点上的其余参数数据均为稳态数据，因此可采用现有的数据异常校验准则来倒推出相应的稳态阈值，例如肖维勒准则、拉伊达准则、狄克逊准则、格拉布斯准则、皮尔士准则等。以肖维勒准则为例，其算法核心思想是找到一个以正态分布的均值为中心的概率带，包含数据集的所有n个样本。通过上述步骤，来自位于该概率带之外的n个样本的任何数据点可以被认为是异常值，从数据集中移除，进而实现最优稳态阈值的确认。
[0068]
本实施例使用拉伊达准则倒推出航空发动机的其余各项测量参数的最优变化幅度阈值、最优平均值偏差阈值、最优均方差阈值。拉依达准则适用于大样本数据集，利用拉依达法则剔除大偏差参数是数据处理常用方法。拉依达准则表达式为：
[0069][0070][0071][0072]
式中，xd为偏离数据的均方差、平均值偏差、变化幅度参数计算值，为参数均值，xi为参数计算值，δ为标准偏差。
[0073]
以连续10个稳态温度样本作为一个时间序列，计算时间序列内其余传感器参数的均方差、平均值偏差、变化幅度；更新时将时间序列内第一个数据删除，并加入新样本以此获得新的时间序列，再次计算对应时间序列内其余传感器参数的均方差、平均值偏差、变化幅度；重复上述步骤直到最后一个样本数据，整理所有时间序列上其余测量值参数的参数均方差、平均值偏差，变化幅度，其数据分布如图5所示。可以看出均值偏差和变化幅度均近似服从正态分布，可根据拉依达准则计算阈值最优值。当参数计算值超过3δ时，则判定为偏离数据，选择未偏离的计算参数最大值作为其余参数最优稳态阈值。
[0074]
而由于均方差均大于0，可对均方差按阈值0轴对称处理，即为稳态点上的航空发动机的其余各项测量参数的均方差数据补充关于均方差0轴对称的虚拟均方差数据，使其满足拉依达准则的近正态分布要求，并按照相同方法计算均方差的阈值最优值。
[0075]
最后，根据其余测量参数最佳阈值进行稳态数据筛选，筛选结果如图6所示。