(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210936510.4 (22)申请日 2022.08.05 (71)申请人 浙江大学 地址 310058 浙江省杭州市西湖区余杭塘 路866号 (72)发明人 赵春晖　吴宇伦　姚家琪　陈旭　 (74)专利代理 机构 杭州求是专利事务所有限公 司 33200 专利代理师 邱启旺 (51)Int.Cl. G06F 30/20(2020.01) G06Q 10/06(2012.01) G06F 119/02(2020.01) (54)发明名称 基于退化等级软表征的航空发动机运行风 险监测预警系统 (57)摘要 本发明公开一种基于退化等级软表征的航 空发动机运行风险监测预警系统。 本发明针对现 有大多数深度学习方法对航空发动机剩余使用 寿命进行强拟合但难以准确判断故障风险发生 时间节点的问题， 首先对原始数据进行前置处 理， 再结合慢特征分析等数据分析手段将航空发 动机退化阶段划分为健康区、 过渡区和风险区， 进一步的利用健康区和风险区数据建立条件判 别自编码器模 型， 利用过渡区数据建立结合注意 力机制的条件判别自编码器模型， 最后基于建立 的两个条件判别自编码器模型设计监测策略对 航空发动机状态进行在线监测。 本发 明能够实现 航空发动机的退化阶段分区识别与风险预警， 并 为航空发动机健康管理提供有效建议。 权利要求书3页 说明书8页 附图4页 CN 115358055 A 2022.11.18 CN 115358055 A 1.一种基于退化 等级软表征的航空发动机运行风险监测预警系统， 其特 征在于， 包括： 数据获取模块， 用于在线监测获取当前时刻航空发动机的多维数据作为检测样本； 第一监测模块， 用于依据健康区和风险区的航空发动机监测模型获取多个监测指标， 判断监测指标是否超限， 若全部监测指标都未超限则判断航空发动机处于健康 区， 否则基 于第二监测模块进一 步判断； 第二监测模块， 用于依据过渡区的航空发动机监测模型获取多个监测指标， 判断监测 指标是否超限， 若任一监测指标超限， 则判断航空发动机已经进入风险区， 否则航空发动机 处于过渡区。 所述健康区和风险区的航空发动机监测模型、 过渡区的航空发动机监测模型通过如下 步骤构建获得： 步骤1： 获取航空发动机多维退化数据， 其中， 多维退化数据由若干时刻的航空发动机 运行多维数据组成； 步骤2： 依据航空发动机多维退化数据随时间变化的退化速率， 根据 经验知识和发动机 总体情况设置阈值进行航空发动机退化等级分区， 划分为健康 区、 过渡区和 风险区三个等 级区域并设置健康区和风险区的编码； 步骤3： 构建第 一自动编码器模型和第一数据集， 所述第 一自动编码器模型由第 一编码 器和第一解码器构成； 所述第一数据集的每个样本为健康区和风险区两个等级区域内的一 个时刻的多维数据与对应的等级区域编 码拼接构成， 将第一数据集的每个样本作为第一自 动编码器模型的输入训练第一自动编 码器模型， 训练好的第一自动编 码器模型作为健康区 和风险区的航空发动机监测模型； 步骤4： 构建第 二自动编码器模型和第二数据集， 所述第 二数据集包括一一对应的三种 样本， 其中第一样本为过渡区内的一个时刻的多维数据； 第二样本由过渡区内的一个时刻 的多维数据与健康区的编 码拼接构成； 第三样本由过渡区内的一个时刻的多维数据与风险 区的编码拼接构成； 所述第二自动编码器模型包括第二编 码器、 注意力模块、 加权特征生成 模块和第二 解码器； 其中： 第二编码器用于提取 过渡区内的每 个时刻的多维数据的特 征获得第一特 征； 注意力模块用于基于第二特征、 第三特征与第一特征的相似性， 获得第一特征相对于 健康区、 风险区的权重系数； 其中第二特征、 第三特征通过利用训练好的第一编 码器分别对 第二样本和第三样本进行 特征提取获得； 加权特征生成模块用于将第一特征相对于健康区、 风险区的权重系数转换成概率， 再 将获得的概率分别作为第二特征、 第三特征 的权值对第二特征、 第三特征加权求和获得加 权特征； 第二解码器用于依据加权特 征解码重构输入的过渡区内的每 个时刻的多维数据； 将第二数据集的三种样本作为第二自动编码器模型的输入将过渡区内的每个时刻的 多维数据作为第二自动编 码器模型的训练第二自动编 码器模型， 训练好的第二自动编 码器 模型作为过渡区的航空发动机监测模型。 2.根据权利要求1所述的系统， 其特征在于， 所述监测指标包括： 模型重构残差的二范 数和模型提取 特征的二范 数。 3.根据权利要求1所述的系统， 其特征在于， 步骤1中， 航空发动机多维退化数据为归一权　利　要　求　书 1/3 页 2 CN 115358055 A 2化后的数据。 4.根据权利要求1所述的系统， 其特征在于， 步骤2中， 所述航空发动机多维退化数据随 时间变化的退化速率通过如下方法获取： 利用慢特征分析算法提取采集航空发动机多维退 化数据中变化最缓慢特征， 再使用滑动窗口对慢特征变化 曲线进行处理， 计算滑 窗中最小 二乘拟合 直线斜率绝对值， 将斜 率绝对值作为退化速率， 得到退化速率变化曲线图。 5.根据权利要求1所述的系统， 其特征在于， 步骤2中， 采用one ‑hot设置健康区和风险 区的编码， 编码的维度为2维或3维。 6.根据权利要求1所述的系统， 其特征在于， 步骤3 中， 训练第一自动编码器模型采用的 损失函数为： 其中L为总损失函数， hi为第一编码器从第i个样本数据xi中提取的特征， yi为特征hi对 应的等级 区域， Dsteady(·)表示第一解码器函数， LC为中心损失函数， 表示yi对应等级区 域中的特征中心， 训练时LC的梯度更新的公式为 的梯度更新的公式为 δ表示条件， yi＝j时取1， 否则为0 。 7.根据权利要求1所述的系统， 其特征在于， 步骤4中， 所述基于第二特征、 第三特征与 第一特征的相似性， 获得第一特 征相对于健康区、 风险区的权 重系数具体如下： 其中wk,i表示第i个时刻数据的第一特征 和第二特征h1,i和第三特征h2,i的权重 系数， c＝2。 8.根据权利要求7所述的系统， 其特征在于， 步骤4中， 所述将第一特征相对于健康区、 风险区的权重系数转换成概率， 再将获得的概率分别作为第二特征、 第三特征 的权值对第 二特征、 第三特 征加权求和获得加权特 征具体为： 使用SoftMax函数将权 重系数转换为 概率： 再将获得的概率分别作为第二特征、 第三特征的权值对第二特征、 第三特征加权求和 获得加权特 征htrans,i：权　利　要　求　书 2/3 页 3 CN 115358055 A 3