(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110140394.0 (22)申请日 2021.02.02 (65)同一申请的已公布的文献号 申请公布号 CN 112765899 A (43)申请公布日 2021.05.07 (73)专利权人 西北工业大 学 地址 710072 陕西省西安市友谊西路127号 (72)发明人 蔡志强　韩思杰　王宇航　司书宾　 张帅　叶正梗　 (74)专利代理 机构 西北工业大 学专利中心 61204 专利代理师 金凤 (51)Int.Cl. G06F 30/27(2020.01) G06F 30/17(2020.01)G06F 30/15(2020.01) G06K 9/62(2022.01) G06N 5/04(2006.01) G06F 111/08(2020.01) G06F 119/06(2020.01) G06F 119/08(2020.01) (56)对比文件 CN 111651940 A,2020.09.1 1 CN 111814272 A,2020.10.23 刘岩松等.基 于神经网络的涡轴发动机故障 诊断仿真研究. 《内燃 机与配件》 .2020,(第01 期), 审查员 汪盈盈 (54)发明名称 基于贝叶斯分类器链的涡轴发动机多目标 性能预测方法 (57)摘要 本发明公开了一种基于贝叶斯分类器链的 涡轴发动机多目标性能预测方法， 该方法将贝叶 斯分类器根据目标变量间的关系进行连接， 建立 一个链状性能预测模型， 在给定待预测涡轴发动 机的属性变量状态后， 通过后验概率推理可同时 对其多个性能目标变量的合格概率进行预测。 同 时为了确保结果的准确性， 考虑了目标变量的不 同连接顺序， 对所有模型的预测结果取平均值， 得出目标变量的最终性能预测结果， 从而可以指 导生产， 提高涡轴发动机的出厂合格率。 权利要求书5页 说明书15页 附图2页 CN 112765899 B 2022.11.25 CN 112765899 B 1.一种基于贝叶斯分类器链的涡轴发动机多目标性能预测方法， 其特征在于， 包括以 下步骤： 步骤1： 收集涡轴发动机的性能参数 数据以及设计参数 数据； 通过对多部涡轴发动机试车获取涡轴发动机的性能参数数据， 包括功率P和关键截面 温度T在涡轴发动机试 车时的测量数据； 获取涡轴发动机的设计参数 数据， 包括涡轴发动机内部N个不同零件的尺寸； 步骤2： 确定目标变量和属性变量， 并设定目标变量的合格条件； 对每个变量都进行离 散化处理， 得出目标变量的概率分布表、 条件概率表， 以及不同目标变量下属性变量各个状 态的条件概 率表； 具体如下： 步骤2‑1： 将涡轴发动机的功率P和关键截面温度T设置为目标变量， 将涡轴发动机内部 N个不同零件的尺寸设置为属性变量， 表示 为x1,x2,…,xi,…,xN， i＝1,2,…,N； 步骤2‑2： 设置功率P的最小合格条件为a  KW； 设置关键截面温度T的最大合格条件为b ℃， a和b分别代 表两个正常数； 步骤2‑3： 以功率P的最小合格条件为界， 将功率P 分为两段， 由步骤1获取的数据统计功 率P在两段的概率分布表Pr(P)； 以关键截面温度T的最大合格条件为界， 将关键截面温度T 分为两段， 由步骤1 获取的数据统计关键截面温度T在两段的概 率分布表Pr(T)； 由步骤1获取的数据统计功率P和关键截面温度T互为先验属 于不同段的条件概率表Pr (P|T)和Pr(T|P)； 步骤2‑4： 将每个属性变量x1,x2,…,xN采用等频率法各自分为e段， 将e段区间分别表示 为状态0,1, …,e‑1， 0,1,…,e‑1均代表属性变量状态， 不代表属性变量实际值； 对于第i个 属性变量， 分为e段所采用的阈值分别为 对应状态0， 对应状态1， 对应状态2， 以此类 推， 对应状态e‑1； 步骤2‑5： 由步骤1获取的数据统计N个属性变量以功率P和关键截面温度T为先验属于 不同状态的条件概 率表Pr(xi|P)和Pr(xi|T)； 步骤3： 通过后验概率推理得出涡轴发动机在基于朴素贝叶斯分类器以目标变量功率P 为链首的贝叶斯分类器链性能预测模型下对目标变量功率P和关键截面温度T的性能预测 结果； 具体过程如下： 步骤3‑1： 以目标变量功率P为链首的贝叶斯分类器链性能预测模型包括两个分类器， 第一个分类器是针对目标变量功率P的预测， 以目标变量功率P为父节点， 将各个属 性变量 x1,x2,…,xN作为子节 点； 第二个 分类器是针对目标变量关键截面 温度T的预测， 以目标变量 关键截面温度T为父节点， 将各个属性变量x1,x2,…,xN和目标变量功率P作为子节点； 步骤3‑2： 设定属性变量x1,x2,…,xN的状态取值分别为y1,y2,…,yN， y1,y2,…,yN∈[0, 1,…,e‑1]； 根据以目标变量功 率P为链首的贝叶斯分类器链 性能预测模 型的第一个 分类器 预测功率P合格即P>a的概 率； 则功率P合格的后验概 率为：权　利　要　求　书 1/5 页 2 CN 112765899 B 2功率P不合格即P≤a的后验概 率为： 根据条件概 率的基本性质， 有： 代入步骤2中获取的条件概率表中的数值， 解出Pr(x1＝y1,x2＝y2,…,xN＝yN)， 最终计算 得到功率P合格的概 率为Pr(P>a|x1＝y1,x2＝y2,…,xN＝yN)＝m％； 如果m％<50％， 则判定待预测涡轴发动机在以目标变量功率P为链首的贝叶斯分类器 链性能预测模型下功率P不合格； 如果m％≥50％， 则判定待预测涡轴发动机在以目标变量 功率P为链首的贝叶斯分类 器链性能预测模型 下功率P合格； 步骤3‑3： 根据以目标变量功率P为链首的贝叶斯分类器链性能预测模型的第二个分类 器预测关键截面温度T合格即T≤b的概 率； 则关键截面温度T合格的后验概 率为： 其中， 当m％<50％时，⊙为<号； 当 m％≥50％时，⊙为≥号； 关键截面温度T不 合格即T>b的后验概 率为： 根据条件概 率的基本性质， 有：权　利　要　求　书 2/5 页 3 CN 112765899 B 3