(19)中华 人民共和国 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 202111398099.1 (22)申请日 2021.11.19 (71)申请人 中国直升 机设计研究所 地址 333001 江西省景德镇市航空路6 -8号 (72)发明人 邓景辉　汪振兴　张学薇　吴堂珍　 陶宪斌　 (74)专利代理 机构 中国航空专利中心 1 1008 代理人 卫媛媛 (51)Int.Cl. G06F 30/15(2020.01) G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 119/04(2020.01) (54)发明名称 一种基于神经网络的直升机单机寿命预测 方法 (57)摘要 本申请提供一种基于神经网络的直升机单 机寿命预测方法， 所述方法包括： 确定疲劳寿命 监控部件， 并根据部件的受载形式确定需要监测 的特征数据和通道数； 采集疲劳寿命监控部件的 飞行数据， 对所述飞行数据进行预处理； 根据所 述飞行参数和载荷数据特征值， 基于神经网络建 立直升机飞行载荷预测模型， 并获得载荷预测 值； 根据所述载荷预测值， 计算部件的累计损伤 值； 根据所述累计损伤值， 预测部件疲劳寿 命。 权利要求书1页 说明书5页 附图3页 CN 114065400 A 2022.02.18 CN 114065400 A 1.一种基于神经网络的直升 机单机寿命预测方法， 其特 征在于， 所述方法包括： 确定疲劳寿命监控部件， 并根据部件的受载 形式确定需要监测的特 征数据和通道数； 采集疲劳寿命监控部件的飞行 数据， 对所述飞行 数据进行 预处理； 根据所述飞行参数和载荷数据特征值， 基于神经网络建立直升机飞行载荷预测模型， 并获得载荷预测值； 根据所述载荷预测值， 计算部件的累计损伤值； 根据所述累计损伤值， 预测部件疲劳寿命。 2.根据权利要求1所述的方法， 其特 征在于， 对所述飞行 数据进行 预处理， 具体包括： 提取飞行 数据中的飞行参数和载荷数据特 征值； 按照贡献度对所述飞行参数进行筛 选和优化； 用归一化方法， 对所述载荷数据特 征值进行 数据的归一 化处理。 3.根据权利要求1所述的方法， 其特征在于， 根据所述飞行参数和载荷数据特征值， 基 于神经网络建立 直升机飞行载荷预测模型， 并获得 载荷预测值， 具体包括： 根据所述飞行参数和载荷数据 特征值， 建立训练数据样本以及直升机飞行载荷预测模 型； 获取用于验证架次的飞行参数矩阵； 将所述飞行参数矩阵输入所述 直升机飞行载荷预测模型， 经 过训练， 获得 载荷预测值。 4.根据权利要求1所述的方法， 其特征在于， 根据所述载荷预测值， 计算部件的累计损 伤值， 包括： 将载荷预测值作为疲劳载荷， 每个旋转周期载荷作用次数为N， 依据部件疲劳试验获得 疲劳极限， 采用全范围安全S ‑N曲线及迈勒尔线性累积损伤理论对， 计算部件的累计损伤 值。 5.根据权利要求4所述的方法， 其特征在于， 根据 所述累计损伤值， 预测部件疲劳寿命， 具体包括： 根据飞行时间与累计损伤值的比值， 预测部件疲劳寿命。 6.根据权利要求1所述的方法， 其特征在于， 根据所述飞行参数和载荷数据特征值， 建 立训练数据样本以及直升 机飞行载荷预测模型， 具体包括： 基于BP神经网络， 根据所述飞行参数和载荷数据特征值， 建立训练数据样本以及直升 机飞行载荷预测模型。 7.根据权利要求1所述的方法， 其特征在于， 疲劳寿命监控部件包括主旋翼、 尾桨、 操 作、 传动以及其支撑连接结构。 8.根据权利要求2所述的方法， 其特征在于， 所述飞行参数包括平尾偏转角、 横向周期 变距角、 纵向周期变距角、 侧滑角 、 航向角、 横滚角 、 俯仰角、 俯仰角速度、 横滚角速度、 航 向 角速度、 纵向过载、 侧向过载、 法向过载、 总距杆操纵量、 尾桨距、 脚蹬操纵量、 驾驶杆纵向操 纵量、 驾驶杆横向操纵量、 气压高度、 指示空速、 综合升降速度、 总扭矩、 主旋翼轴扭矩。 9.根据权利要求2所述的方法， 其特 征在于， 载荷数据特 征值包括峰值、 谷值、 平均值。 10.根据权利要求 4所述的方法， 其特 征在于， 所述 N为1。权　利　要　求　书 1/1 页 2 CN 114065400 A 2一种基于神经 网络的直升机单机寿命 预测方法 技术领域 [0001]本发明属于直升机结构服役使用寿命预测技术领域， 涉及一种基于神经网络的直 升机单机寿命预测方法。 背景技术 [0002]直升机传统的疲劳评定方法无法对单机在实际飞行载荷上的差异进行测量和评 估， 因此当直升机交付部队后， 只能采用传统的 “机群寿命 ”方法管理直升机的使用寿命。 以 直升机的飞行小时作为直升机寿命管理的唯一指标。 当单机直升机的飞行小时数达到规定 值后， 无论其状态如何， 一律 “一刀切”， 安排大修 或退役。 其结果是， 有 些直升机虽然其使用 寿命达到了寿命指标规定的飞行小时， 但其实际损伤值远远低于总损伤值(由疲劳试验得 到)， 所以大有潜力可挖， 如对这样的直升机一律按 退役处理， 是不经济的； 而有 些直升机由 于经常承担大飞行动作科目， 虽然其飞行时间很短， 但其实际损伤值早已接近或超过规定 值， 如继续使用是不安全的。 研发一种有效方法和手段随时监测 直升机的使用情况和剩余 寿命， 将大 大提高直升 机使用效能， 对于提高单机的经济性和安全性， 都具有重要意 义。 [0003]针对固定翼飞机国内已有 “一种基于飞机结构寿命包线理论的单机剩余寿命预测 方法”等， 但针对直升 机单机寿命目前国内尚无 预测方法。 发明内容 [0004]本申请提出一种基于神经网络的直升机单机寿命预测方法， 实现通过直升机飞行 参数预测剩余寿命。 [0005]本申请提供一种基于神经网络的直升 机单机寿命预测方法， 所述方法包括： [0006]确定疲劳寿命监控部件， 并根据部件的受载形式确定需要监测的特征数据和通道 数； [0007]采集疲劳寿命监控部件的飞行 数据， 对所述飞行 数据进行 预处理 [0008]根据所述飞行参数和载荷数据特征值， 基于神经网络建立直升机飞行载荷预测模 型， 并获得 载荷预测值 [0009]根据所述载荷预测值， 计算部件的累计损伤值； [0010]根据所述累计损伤值， 预测部件疲劳寿命。 [0011]具体的， 对所述飞行 数据进行 预处理， 具体包括： [0012]提取飞行 数据中的飞行参数和载荷数据特 征值； [0013]按照贡献度对所述飞行参数进行筛 选和优化； [0014]用归一化方法， 对所述载荷数据特 征值进行 数据的归一 化处理。 [0015]具体的， 根据所述飞行参数和载荷数据特征值， 基于神经网络建立直升机飞行载 荷预测模型， 并获得 载荷预测值， 具体包括： [0016]根据所述飞行参数和载荷数据特征值， 建立训练数据样本以及 直升机飞行载荷预 测模型；说　明　书 1/5 页 3 CN 114065400 A 3