一种基于SFA-GMM-BID的航空发动机动态健康监测方法

    公开(公告)号:CN116796425B

    公开(公告)日:2024-07-05

    申请号:CN202310066347.5

    申请日:2023-01-17

    Abstract: 本发明提供一种基于SFA‑GMM‑BID的航空发动机动态健康监测方法,包括以下步骤:对训练数据进行慢特征分析,提取缓慢变化特征,选取健康状态训练数据构建高斯混合模型,并得到模型的参数,利用GMM参数计算测试数据的BID值,描述航空发动机性能退化的过程,为了提高BID指标对航空发动机退化描述的敏感度,在BID的基础上加入EWMA[31]进行平滑,计算训练数据的控制限,对训练数据进行慢特征分析,提取缓慢变化特征,计算测试数据和健康状态GMM之间的BID距离,对BID数据进行滑窗处理,计算相邻窗口数据的最大信息系数。本发明提供的本发明提供一种基于SFA‑GMM‑BID的航空发动机动态健康监测方法,采用慢特征分析的方法提取反映气路状态缓慢变化的有效特征,提高了健康监测的有效性。

    一种基于SFA-GMM-BID的航空发动机动态健康监测方法

    公开(公告)号:CN116796425A

    公开(公告)日:2023-09-22

    申请号:CN202310066347.5

    申请日:2023-01-17

    Abstract: 本发明提供一种基于SFA‑GMM‑BID的航空发动机动态健康监测方法,包括以下步骤:对训练数据进行慢特征分析,提取缓慢变化特征,选取健康状态训练数据构建高斯混合模型,并得到模型的参数,利用GMM参数计算测试数据的BID值,描述航空发动机性能退化的过程,为了提高BID指标对航空发动机退化描述的敏感度,在BID的基础上加入EWMA[31]进行平滑,计算训练数据的控制限,对训练数据进行慢特征分析,提取缓慢变化特征,计算测试数据和健康状态GMM之间的BID距离,对BID数据进行滑窗处理,计算相邻窗口数据的最大信息系数。本发明提供的本发明提供一种基于SFA‑GMM‑BID的航空发动机动态健康监测方法,采用慢特征分析的方法提取反映气路状态缓慢变化的有效特征,提高了健康监测的有效性。

    一种基于静电监测的滚动轴承性能退化评估方法

    公开(公告)号:CN119807635A

    公开(公告)日:2025-04-11

    申请号:CN202411452967.3

    申请日:2024-10-17

    Abstract: 本发明提供一种基于静电监测的滚动轴承性能退化评估方法,包括以下步骤:S1:融合静电电荷信号特征与常规时域、频域和时频域特征构成表征轴承状态的静电监测系统特征参数集。本发明提供一种基于静电监测的滚动轴承性能退化评估方法,通过L1稀疏约束和Dropout机制优化的深度降噪自编码器可以更好的识别轴承的非线性特征和不同的退化阶段;提出的自适应密度峰值聚类模型可以很好的衡量轴承健康状态,与传统DPC和SVDD相比,本文所提出的方法可以更早地识别到轴承的早期退化,而且具有更好的单调性、鲁棒性和趋势性;与振动监测相比,静电监测在轴承性能退化评估中具有优越性,可以更早地发现退化的发生。

Patent Agency Ranking