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！

龙图腾网获悉中国民航大学申请的专利一种基于信息增量的航空发动机状态监测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117235536B 。

龙图腾网通过国家知识产权局官网在2026-03-31发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310580908.3，技术领域涉及：G06F18/22；该发明授权一种基于信息增量的航空发动机状态监测方法是由赵珍;马梦琪;马腾达;樊智勇;刘哲旭;崔海青;许辰;郑进设计研发完成，并于2023-05-23向国家知识产权局提交的专利申请。

本一种基于信息增量的航空发动机状态监测方法在说明书摘要公布了：本发明公开了一种基于信息增量的航空发动机状态监测方法。该方法依据窗口数据矩阵的信息增量使用窗口移动识别出所有突变的信息增益指数，进一步确定任务阶段的切换点，完成对航空发动机单次运行过程的任务阶段划分；根据相关性要求对可调参数进行调整，实现任务阶段的精确划分；使用相似度分析将不同运行数据中相似度高的任务阶段重新安排为一个任务阶段，并分别对每个任务阶段建立监测子模型，解决了任务阶段不等长以及航空发动机每次运行过程中任务阶段变化趋势存在差异的建模问题，从而更有效地进行故障的监测，具有一定实用意义。

本发明授权一种基于信息增量的航空发动机状态监测方法在权利要求书中公布了：1.一种基于信息增量的航空发动机状态监测方法，其特征在于，包括下列步骤： S1：由窗口数据矩阵获取模块利用窗口对航空发动机历史运行数据中的单次运行数据进行选取，得到窗口数据矩阵； S2：由任务阶段划分模块对窗口数据矩阵使用信息增量方法计算得到信息增量指数，然后通过识别突变的信息增量指数确定任务阶段的切换点，得到划分的任务阶段； 所述任务阶段划分有以下步骤： S21：所述窗口数据矩阵使用信息增量方法计算得到信息增量指数，首先对窗口数据矩阵进行预处理得到计算公式如下： 式1中，b是的均值向量，l＝[1,1,…,1]T∈Rw×1，k＝1,2,…,Ki-w+1； 然后对预处理后的窗口数据矩阵计算协方差矩阵Rk，计算公式如下： 再利用相邻的两个协方差矩阵Rh和Rh+1计算信息增量矩阵Dh，计算公式如下： Dh＝Rh+1-Rh,1≤h≤Ki-w3 最后根据信息增量矩阵Dh计算得到信息增量指数δh，计算公式如下： 式4中，Dha,b表示信息增量矩阵Dh中第a行第b列元素，1≤h≤Ki-w，a＝1,2…,J，b＝1,2…,J，J是过程变量数；Ki是第i次运行的样本点数量； S22：使用窗口对所述信息增量指数δh进行选取，窗口选取连续的L个信息增量指数δh，窗口通过每次向后移动一个信息增量指数更新窗口内的信息增量指数，依次判断窗口内每个信息增量指数δh是否满足突变的信息增量指数，判断公式如下： δh≥meand+μ·stdd,d≤h≤L+d-15 式5中，meand和stdd分别为第d个窗口内所有信息增量指数δh的平均值及标准差，μ为可调参数，d＝1,2,…,Kt-w-L；当所述信息增量指数δh满足公式5时，信息增量指数δh是所述突变的信息增量指数，根据公式5识别出所有突变的信息增量指数； S23：将所有所述突变的信息增量指数对应的所述窗口数据矩阵中最终的样本点作为切换点，得到所有切换点，根据所有切换点将运行数据划分得到Vi个任务阶段，Vi个任务阶段的数据记为 S3：由任务阶段优化模块通过判断划分的任务阶段中相邻两个任务阶段数据的质心之间的相关性系数是否满足相关性要求来调整可调参数值，得到精确划分的任务阶段； 所述任务阶段精确划分有以下步骤： S31：计算所述运行数据划分得到Vi个任务阶段中相邻两个任务阶段数据的质心之间的相关性系数，计算公式如下： 式6中，和是第i次运行数据中相邻两个任务阶段数据的质心，是和的相关性系数，是和的协方差，和分别是和的方差，v＝1,2,…,Vi； S32：依次判断所述相邻两个任务阶段数据的质心之间的相关性系数是否满足相关性要求若满足，可调参数μ按照μ＝μ+0.1更新，并返回公式5；反之，得到精确划分的任务阶段，将运行数据精确划分得到Ci个任务阶段，Ci个任务阶段的数据记为 S4：通过窗口数据矩阵获取模块、任务阶段划分模块和任务阶段优化模块，对航空发动机历史运行数据中的每次运行数据进行精确划分，获得所有运行数据中任务阶段的数据； S5：由任务阶段重排模块对所有运行数据中任务阶段的数据进行相似度计算，将不同运行数据中相似度高的任务阶段重新安排为一个任务阶段，确定重排后的每个任务阶段； 所述任务阶段重排有以下步骤： S51：将I次运行数据以相同的变量维度自上而下排列获得矩阵计算矩阵的均值和标准差，其中第j个变量上所有数据的均值的计算公式是第j个变量上所有数据的标准差sj计算公式是i＝1,2,…,I，kt＝1,2…,Kt，J是过程变量数，Kt是I次运行数据的样本点总数量，Ki是第i次运行的样本点数量； S52：根据矩阵的均值和标准差sj对所有运行数据中任务阶段的数据进行标准化，其中第i次运行数据的第c个任务阶段的数据经标准化得到标准化后的任务阶段的数据第kc个样本点的第j个变量数据的标准化计算公式如下： 式7中，c＝1,2,…,Ci，是第i次运行数据的第c个任务阶段的样本点数量，j＝1,2,…,J； S53：计算任意两个标准化后的任务阶段数据和之间的欧式距离，得到欧氏距离矩阵Dic,ntP×Q，i＝1,2,…,I，c＝1,2,…,Ci，n＝1,2,…,I，t＝1,2,…,Cn，t≠c，n≠i，P和Q分别为和的样本点数量，其中数据中任意样本点和数据中任意样本点之间的欧氏距离distp,q的计算公式如下： 式8中，p＝1,2,…,P，q＝1,2,…,Q； 根据欧式距离矩阵Dic,ntP×Q定义相似度Sic,nt，公式如下： 式9中，Dic,ntp,q表示欧式距离矩阵Dic,nt中第p行第q列元素； S54：对所有运行数据中标准化后的任务阶段的数据根据公式8、公式9进行相似度计算，将相似度高的任务阶段的数据以变量方式展开，重新安排为一个任务阶段，最终获得C*个任务阶段； S6：由模型构建模块分别为C*个任务阶段中的每个任务阶段构建PCA监测子模型，计算出每个任务阶段的监控统计量及控制限； S7：由在线监测模块根据构建的所述PCA监测子模型判断在线当前运行数据是否处于故障状态； 所述判断在线当前运行数据是否处于故障状态有以下步骤： S71：在线获得当前运行数据，使用公式7中的均值和标准差对当前运行数据进行标准化得到标准化后的当前数据； S72：使用公式8、公式9判断标准化后的当前运行数据所属任务阶段； S73：根据所属任务阶段的PCA监测子模型计算出标准化后的当前运行数据的监控统计量； S74：将当前运行数据的监控统计量与所属任务阶段的控制限进行比较，如果当前运行数据的监控统计量未超过所属任务阶段的控制限，说明当前运行数据正常；否则，判定当前运行数据处于故障状态。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国民航大学，其通讯地址为：300300 天津市东丽区津北公路2898号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。