(19)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 202110048011.7 (22)申请日 2021.01.14 (71)申请人 北京航空航天大 学 地址 100191 北京市海淀区学院路37号 (72)发明人 程玉杰　宋登巍　苏铉元　陶来发　 马剑　吕琛　 (74)专利代理 机构 北京京万通知识产权代理有 限公司 1 1440 专利代理师 万学堂 (51)Int.Cl. G06F 17/14(2006.01) G06F 17/17(2006.01) G06F 30/27(2020.01) (54)发明名称 正常数据条件下直升机尾桨轴健康基线构 建与异常检测方法 (57)摘要 正常数据条件下直升机尾桨轴健康基线构 建与异常检测方法， 包括如下步骤， 1、 利用快速 傅里叶变换(FFT)对历史正常振动数据进行频域 特征预提取； 2、 针对历史正常振动数据的频域特 征向量， 利用滑窗分割进而提取均方根(RMS)特 征， 实现高维振动数据的快速压缩表征； 3、 针对 历史正常振动数据的RMS特征， 利用其训练堆叠 自编码器(SAE)模型， 实现直升机尾桨轴的健康 状态无监督自表征和健康 基线构建； 4、 利用历史 正常振动数据的健康状态表征向量构建健康空 间， 结合马氏距离的统计分布 参数生成异常检测 阈值； 5、 针对实时监测的直升机尾桨轴的振动数 据， 进行频域特征预提取并提取RMS特征， 送入健 康基线模型获取健康状态表征向量， 计算与健康 空间的马氏距离， 结合阈值实现异常状态检测。 该方法利用直升机尾桨轴历史正 常振动数据， 实 现直升机尾桨轴健康基线构建及阈值生成， 进而针对实时监测数据完成异常检测。 权利要求书2页 说明书7页 附图13页 CN 114764487 A 2022.07.19 CN 114764487 A 1.正常数据条件下直升机尾桨轴健康基线构建与异常检测方法， 其特征是： 仅利用历 史正常数据实现直升机尾桨轴的健康基线构建， 进而完成直升机尾桨轴的异常检测， 该方 法的步骤如下： 步骤一、 针对直升机尾桨轴的正常状态下历史振动数据， 使用快速傅里叶变换(FFT)对 其进行频域特征预提取； 步骤二、 针对历史正常振动数据的频域特征向量， 利用滑窗对其进行分割， 进而提取各 滑窗数据的均方根 值(RMS)， 实现高维振动数据的快速 压缩表征； 步骤三、 基于历史正常振动数据构建直升机尾桨轴构建健康基线， 并生成健康状态表 征向量； 步骤四、 基于历史正常振动数据的健康状态 表征向量 生成异常状态检测阈值； 步骤五、 针对实时监测数据实现异常状态检测。 2.根据权利要求1所述的正常数据条件下直升机尾桨轴健康基线构建与异常检测方 法， 其特征在于： 在步骤三中， 首先基于历史正常振动数据的RMS值训练堆叠自编码器(SAE)， 实现直升 机尾桨轴的健康状态无监督自表征， 进而完成直升机尾桨轴的健康基线构建； 以正常状态 下各样本的振动数据RMS值作为 健康基线模型的输入， 获取 各样本的健康状态 表征向量。 3.根据权利要求2所述的正常数据条件下直升机尾桨轴健康基线构建与异常检测方 法， 其特征在于： 所述的健康基线构建方法为： 首先使用无监督自学习完成SAE模型的训练， 针对训练完 成的SAE模型， 利用其编码层与特征层构建健康基线模型； 为便于可视化展示， 其特征层节 点数可设置为2或者3 。 4.根据权利要求2所述的正常数据条件下直升机尾桨轴健康基线构建与异常检测方 法， 其特征在于： 针对所述健康基线模型， 引入批归一化技术， 加速模型收敛过程， 提升健康基线模型构 建的速度； 同时， 在健康基线模型中引入Dropout神经元 随机关闭技术， 减少 模型过拟合风 险， 从而使得构建的健康基线更加鲁棒， 提升异常检测的泛化能力。 5.根据权利要求1所述的正常数据条件下直升机尾桨轴健康基线构建与异常检测方 法， 其特征在于： 在步骤四中， 利用历史正常状态下全部样本的健康状态表征向量生成健康空间， 计算 各样本的健康 表征向量与健康空间的马氏距离， 进 而结合马氏距离生成异常检测阈值。 6.根据权利要求5所述的正常数据条件下直升机尾桨轴健康基线构建与异常检测方 法， 其特征在于： 所述的阈值生成方法为， 针对获取的正常状态下各样本的健康表征向量与健康 空间的 马氏距离， 计算各样 本马氏距离的统计 分布参数， 包括平均值( μ )与标准差( σ )， 设定异常检 测的阈值 为T， 其中T＝ μ+6σ 。 7.根据权利要求1所述的正常数据条件下直升机尾桨轴健康基线构建与异常检测方 法， 其特征在于： 在步骤五中， 利用上述构建完成的健康基线及异常检测阈值， 针对实时监测数据， 重复 步骤一和步骤二， 实现实时监测振动数据的快速压缩表征； 将实时监测数据的RMS值送入步权　利　要　求　书 1/2 页 2 CN 114764487 A 2骤三中训练完成的SAE健康基线模 型， 获取实时监测数据的状态表征向量； 进而计算其与健 康空间的马氏距离， 结合阈值实现异常状态检测。权　利　要　求　书 2/2 页 3 CN 114764487 A 3