(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 202111391800.7 (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 姜娜　张纯鹏　刘辉煌　 (74)专利代理 机构 中国航空专利中心 1 1008 代理人 王世磊 (51)Int.Cl. G06F 30/27(2020.01) G06F 30/15(2020.01) (54)发明名称 一种基于飞参数据的数据驱动异常检测方 法 (57)摘要 本发明提供了一种基于飞参数据的数据驱 动异常检测方法， 所述方法包括： 基于极限学习 机算法建立发动机高温部件数据模 型； 基于所述 发动机高温部件 数据模型确定残差序列； 基于所 述残差序列获取残差阈值带。 基于所述残差阈值 带对发动机高温部件进行异常检测； 本发明综合 考虑了多变量、 多因素的影响， 将工况作为输入 变量； 对发动机运行机理进行深入数学分析， 选 择多变量进行数据建模； 把数据集划分为训练 集、 验证集、 测试集提高模型的泛化能力； 并且， 选择学习速度快、 泛化能力强的ELM作为建模手 段， 最终设计出高精确度、 强敏感性的燃气轮机 高温部件检测算法。 权利要求书1页 说明书5页 附图1页 CN 114239382 A 2022.03.25 CN 114239382 A 1.一种基于飞参数据的数据驱动异常检测方法， 其特 征在于， 所述方法包括： 基于极限学习机算法建立发动机高温部件数据模型； 基于所述发动机高温部件数据模型确定残差序列； 基于所述残差序列获取残差阈值带。 2.根据权利要求1所述的方法， 其特征在于， 所述基于极限学习机算法建立发动机 高温 部件数据模型， 包括： 选取透平出口平均排温、 空气入口温度和燃气发生器出口压力作为建模的输入变量， 选取透平测点出口排温作为输出变量； 将所述输入变量和所述输出变量按照预设比例划分为训练集、 验证集和 测试集； 基于所述训练集和施瓦茨准则确定极限学习机结构； 基于所述验证集验证所述极限学习机结构， 确定第二发动机高温部件数据模型。 3.根据权利要求2所述的方法， 其特征在于， 所述基于所述验证集验证所述极限学习机 结构， 确定第二发动机高温部件数据模型之后， 还 包括： 基于所述测试集测试 所述第二发动机高温部件数据模型。 4.根据权利要求2所述的方法， 其特征在于， 所述基于所述训练集和施瓦茨准则确定极 限学习机结构， 包括： 基于极限学习机结构的隐含层节点个数训练第 一发动机 高温数据模型， 得到目标施瓦 茨准则数； 确定与所述目标施瓦茨准则数对应的隐含层节点个数。 5.根据权利要求1所述的方法， 其特征在于， 所述基于所述发动机高温部件数据模型确 定残差序列， 包括： 基于所述输入变量的值和所述发动机高温部件数据模型 得到输出变量的预测值； 基于输出变量的实测值和所述输出变量的预测值得到所述残差序列； 其中， 所述输出 变量的实测值是飞行参数记录系统记录的值。 6.根据权利要求1所述的方法， 其特征在于， 所述基于所述残差序列获取残差阈值带， 包括： 对所述残差序列正态性检验； 若所述残差序列的值符合 正态分布， 基于箱线图和所述残差序列确定残差阈值带。 7.根据权利要求1所述的方法， 其特 征在于， 所述对所述残差序列正态性检验， 包括： 基于Q‑Q图对所述残差序列进行正态性检验。 8.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 基于所述残差阈值带对发动机高温部件进行异常检测。权　利　要　求　书 1/1 页 2 CN 114239382 A 2一种基于飞参数据的数据驱动异常检测方 法 技术领域 [0001]本发明属于直升机故障检测技术领域， 尤其涉及一种基于飞参数据的数据  驱动 异常检测方法。 背景技术 [0002]目前针对发动机高温部件(包括燃烧室火焰筒、 燃料喷嘴及首级涡轮导向  叶片、 转子叶片等部件)的检测方法并不能达 到实际要求。 [0003]当前的相关研究主要存在如下问题： 由于透平排温变化趋势量的信息未得  到有 效利用， 基于最高温度或者 温差建立起的异常检测及诊断算法存在严重的  迟滞性， 不能进 行实时的预警， 达 到防患于未然的作用。 [0004]但是由于这类方法易于操作和实现， 对超温或排温分布不均问题能够在一  定程 度上实现检测功能， 因此目前存在于大多已有的性能检测系统中。 另外，  工况及环境对检 测算法的影响依然较大， 方法的 “误报率”和“漏报率”对燃 机不同运行条件较为敏感， 泛化 能力仍然 有待提高。 [0005]综上， 本发明为了更强的实际意义， 综合考虑了多变量、 多因素的影响，  设计高精 确度、 强敏感性的燃气轮机高温部件检测算法， 从而尽可能避免 “事 后诊断”现象， 实现有 效预警功能。 发明内容 [0006]针对上述技术问题， 本发明提供了一种基于飞参数据的数据驱动异常检测  方法， 所述方法包括： [0007]基于极限学习机算法建立发动机高温部件数据模型； [0008]基于所述发动机高温部件数据模型确定残差序列； [0009]基于所述残差序列获取残差阈值带。 [0010]优选地， 所述基于极限学习机算法建立发动机高温部件数据模型， 包括： [0011]选取透平出口平均排温、 空气入口温度和燃气发生器出口压力作为建模的  输入 变量， 选取透平测点出口排温作为输出变量； [0012]将所述输入变量和所述输出变量按照预设比例划分为训练集、 验证集和 测 试集； [0013]基于所述训练集和施瓦茨准则确定极限学习机结构； [0014]基于所述验证集验证所述极限学习机结构， 确定第二发动机高温部件数据  模型。 [0015]优选地， 所述基于所述验证集验证所述极限学习机结构， 确定第二发动机  高温部 件数据模型之后， 还 包括： [0016]基于所述测试集测试 所述第二发动机高温部件数据模型。 [0017]优选地， 所述基于所述训练集和施瓦茨准则确定极限学习机结构， 包括： [0018]基于极限学习机结构的隐含层节点个数训练第一发动机高温数据模型， 得  到目 标施瓦茨准则数；说　明　书 1/5 页 3 CN 114239382 A 3