故障分析、检测方法、系统、设备和介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115906267A(43)申请公布日2023.04.04(21)申请号202110936751.4(22)申请日2021.08.16(71)申请人中国航发商用航空发动机有限责任公司地址200041上海市闵行区莲花南路3998号(72)发明人阳丽娜(74)专利代理机构上海专利商标事务所有限公司31100专利代理师喻学兵(51)Int.Cl.G06F30/15(2020.01)G06F30/27(2020.01)G06F111/06(2020.01)G06F119/02(2020.01)权利要求书2页说明书10页附图7页(54)发明名称故障分析、检测方法、系统、设备和介质(57)摘要本发明公开了一种故障分析、检测方法、系统、设备和介质，该分析方法包括：构建待测系统中每个零部件的物理模型；将预设故障参数输入至的物理模型，获取故障样本数据；基于故障样本数据建立每个零部件对应的第一故障分析模型，第一故障分析模型用于输出零部件对应的故障特征。本发明同时兼顾物理建模与机器学习的优势，对各零部件故障模型从机理上进行精细化物理建模，保留物理建模带来精确性优势，还利用机器学习算法对各物理模型进行黑箱模型封装，使得原仿真系统的复杂度大大降低，提高了系统的求解速度，也提高了仿真效率，充分发掘发动机燃滑油系统中各零部件故障特征提取，各故障之间的交叉耦合分析，实现故障隔离以及高精度定位分析。CN115906267ACN115906267A权利要求书1/2页1.一种故障分析方法，其特征在于，所述方法包括：构建待测系统中每个零部件对应的物理模型；将预设故障参数输入至对应的所述物理模型，获取所述物理模型在各个工况下对应的运行数据以得到故障样本数据；基于所述故障样本数据建立每个所述零部件对应的第一故障分析模型，所述第一故障分析模型用于输出所述零部件对应的故障特征。2.如权利要求1所述的故障分析方法，其特征在于，所述构建待测系统中每个零部件对应的物理模型的步骤之前还包括：预先存储不同的所述零部件之间的耦合关系；所述基于所述故障样本数据建立每个所述零部件对应的第一故障分析模型的步骤之后还包括：根据所述耦合关系将不同的所述零部件的所述第一故障分析模型进行相互关联以获取第二故障分析模型，所述第二故障分析模型与至少两个所述零部件构成的组合结构相对应。3.如权利要求1或2所述的故障分析方法，其特征在于，对于每个所述零部件，所述基于所述故障样本数据建立每个所述零部件对应的第一故障分析模型的步骤包括：从所述故障样本数据中选取训练数据集；对所述训练数据集进行预处理操作，以获取预处理后的所述训练数据集；采用机器学习算法对所述训练数据集进行模型训练，以建立每个所述零部件对应的第一故障分析模型。4.如权利要求3所述的故障分析方法，其特征在于，所述机器学习算法包括深度学习算法、遗传算法、神经网络算法或强化学习算法；和/或，所述预处理操作包括数据清洗、数据填充、数据格式转换、特征抽取、特征缩放、特征降维、数据标准化中的至少一种。5.如权利要求2所述的故障分析方法，其特征在于，所述方法还包括：获取故障模式；根据所述故障模式获取待检测的目标对象及其对应的目标故障参数；当所述目标对象包括一个所述零部件时，则将所述目标故障参数输入至所述目标对象对应的所述第一故障分析模型，以输出第一目标故障特征；或，当所述目标对象包括一个所述零部件时，则将所述目标故障参数输入至所述目标对象对应的所述第二故障分析模型，以输出第二目标故障特征；或，当所述目标对象包括至少两个所述零部件时，则将所述目标故障参数输入至所述目标对象对应的所述第二故障分析模型，以输出第三目标故障特征。6.如权利要求2所述的故障分析方法，其特征在于，当所述待测系统为航空发动机的燃滑油系统时，所述零部件包括燃油泵、散热器、计量系统、伺服作动系统、滑油箱、滑油泵、油滤、液压模块、电子模块、流体模块或机械模块；和/或，所述第二故障分析模型对应燃滑油系统的整体故障分析模型或部分故障分析模型。7.一种故障检测方法，其特征在于，所述方法包括：采集待测系统对应的第一故障特征；2CN115906267A权利要求书2/2页采用第一故障分析模型根据所述第一故障特征，确定发生故障的一个目标零部件和对应的第一故障参数。8.如权利要求7所述的故障检测方法，其特征在于，所述方法包括：采集待测系统对应的第二故障特征；采用第二故障分析模型根据所述第二故障特征，确定发生故障的至少两个目标零部件和对应的第二故障参数。9.一种故障分析系统，其特征在于，所述系统包括：物理模型构建模块，用于构建待测系统中每个零部件对应的物理模型；故障样本数据获取模块，用于将预设故障参数输入至对应的所述物理模型，获取所述物理模型在各个工况下