买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国民航大学

摘要：本发明公开了一种基于SMOTE‑iForest‑FDA的航空发动机传感器故障诊断方法，涉及航空发动机传感器故障诊断技术领域。本发明采用SMOTE算法对少数类故障样本根据线性插值思想合成故障样本，增加故障样本数量；其次，将合成故障样本加入原故障数据集中，应用iForest思想对每类故障数据随机建立孤立树，构成孤立森林衡量合成样本的异常得分，将异常得分高的样本判定为噪声样本，剔除噪声样本；最后，利用均衡后的正常、故障数据建立FDA诊断模型。本发明采用的方法减少了训练数据不均衡性对于诊断性能的影响，使故障诊断的精度得以提高。

主权项：1.一种基于SMOTE-iForest-FDA的航空发动机传感器故障诊断方法，其特征在于，包括：步骤一：获取建立诊断模型所需的训练数据集，建模训练集包括R类数据集、正常数据集和R-1类故障数据集；正常样本集记为D0，包括N0个正常样本，各类故障样本集记为Dr，其对应的样本数为Nr，r＝1,2,…,R-1，正常样本集为多数类样本，各类故障样本集为少数类样本。步骤二：计算故障样本集中故障样本点到相应故障样本子集中其它样本点的欧氏距离；计算故障样本集中故障样本点到相应故障样本子集中其它样本点的欧氏距离的公式表达为： 式中，为第r类故障样本和之间的欧氏距离，为故障样本在变量j上的数据，为同类故障的另一样本在j变量上的数据，j＝1,2,…,J，J为样本变量个数，选择其中距离最小的K个样本，作为的近邻样本，并记为其中，K＝1,2,…,5，本发明中K＝5。步骤三：在故障样本点和近邻样本之间随机插值，得到新的故障样本，并添加到原始故障样本集中；将新的故障样本添加到原始故障样本集中的公式表达为： 步骤四：重复步骤二和步骤三，直至各类故障样本集的样本数量与正常样本集的样本数量平衡；平衡后的任意一类故障数据集记为D′r，r＝1,2,…,R-1。步骤五：对平衡后的任意一类故障样本集随机建立M棵孤立树，构成孤立森林；遍历每棵孤立树，求取每类故障中任意一合成样本最终的路径长度并求取在孤立森林所有孤立树中的平均路径长度步骤六：计算故障样本的异常得分；计算故障样本的异常得分的公式表达为： HN0＝lnN0+e,e＝0.5772156649； 式中，cN0为N0个点孤立树的平均路径长度，是在由平衡后的故障子集构建的孤立树中的异常得分，异常得分越接近1，则是噪声样本的可能性很大；异常得分越接近0，则是正常样本的可能性越大；若大部分故障样本的异常得分在0.5附近，则该类故障样本集没有明显的噪声。步骤七：重复步骤五和步骤六，遍历每类故障样本，去除识别为噪声的样本；识别为噪声的样本来自于SMOTE算法生成的合成样本，随后重新组合每类故障样本集和正常样本集，将其作为新的训练样本集并记为Xtrain，若新的训练样本集依然存在不均衡问题，对不均衡的少数类，重复步骤三至步骤七，直至产生均衡训练集为止。步骤八：对训练样本集数据应用FDA建立故障诊断模型；步骤九：诊断模型建立后，即可进行在线诊断；采用训练数据标准化对应的均值及标准差对新数据进行标准化处理，然后输入到训练好的故障诊断模型中，根据最佳投影矩阵对新数据进行判别分析，判别新数据对应的状态。

全文数据：

权利要求：

百度查询： 中国民航大学 一种基于SMOTE-iForest-FDA的航空发动机传感器故障诊断方法