一種多特征融合的加注泵異常工況檢測(cè)方法
【專利摘要】該發(fā)明提供了一種多特征融合的加注泵異常工況檢測(cè)方法。包括以下步驟：S1：利用壓力傳感器、液位傳感器和電位器等傳感器獲取加注泵出(入)口壓力、流量、出(入)口溫度以及電流等多種監(jiān)測(cè)數(shù)據(jù)；S2：采用自適應(yīng)濾波方法，對(duì)數(shù)據(jù)進(jìn)行平滑預(yù)處理；S3：采用多核學(xué)習(xí)方法，將多種異構(gòu)監(jiān)測(cè)數(shù)據(jù)映射至高維線性空間，融合加注泵多種監(jiān)測(cè)數(shù)據(jù)的不同特征分量；S4：比較融合結(jié)果與自適應(yīng)動(dòng)態(tài)閾值，識(shí)別加注泵異常工況。本發(fā)明突破加注泵多種監(jiān)測(cè)數(shù)據(jù)的異構(gòu)性限制，有效利用加注泵監(jiān)測(cè)數(shù)據(jù)的不同特征信息，融合多種特征分量檢測(cè)異常工況，解決單一信號(hào)閾值判別方式下加注泵異常工況檢測(cè)準(zhǔn)確度較低的問題，提高加注泵異常工況檢測(cè)的準(zhǔn)確率。
【專利說明】
-種多特征融合的加注累異常工況檢測(cè)方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于自動(dòng)化檢測(cè)技術(shù)領(lǐng)域，設(shè)及一種多特征融合的加注累異常工況檢測(cè)方 法。
【背景技術(shù)】
[0002] 推進(jìn)劑加注系統(tǒng)是發(fā)射場(chǎng)的關(guān)鍵設(shè)備之一，主要實(shí)現(xiàn)推進(jìn)劑膽存、運(yùn)輸、轉(zhuǎn)注等功 能。加注累是火箭加注系統(tǒng)中的關(guān)鍵部件，系統(tǒng)加注時(shí)，加注累抽吸儲(chǔ)罐中的推進(jìn)劑，經(jīng)由 管路、閥口、流量計(jì)和過濾器等注入火箭膽箱。作為加注系統(tǒng)的動(dòng)力來源，一旦加注累運(yùn)行 工況出現(xiàn)異常，異常狀況則會(huì)迅速擴(kuò)展演化，嚴(yán)重威脅加注系統(tǒng)的安全，導(dǎo)致加注任務(wù)的推 遲甚至失敗。因此，依靠現(xiàn)代信息技術(shù)，在加注累工作過程中采取有效的監(jiān)測(cè)措施，及時(shí)獲 取加注累的工作狀態(tài)并分析識(shí)別運(yùn)行工況，對(duì)異常工況及時(shí)預(yù)警，對(duì)于保障液體火箭加注 系統(tǒng)的安全可靠運(yùn)行，具有重要的研究意義和應(yīng)用價(jià)值。
[0003] 目前，針對(duì)加注累異常工況監(jiān)測(cè)主要采用闊值監(jiān)測(cè)的方式，即對(duì)某一類型單源信 號(hào)進(jìn)行簡(jiǎn)單的上下限判別，查看待監(jiān)測(cè)信號(hào)是否超限。加注累包含閥口、軸承等多種類型部 件，各組成部件間具有復(fù)雜、禪合的非線性關(guān)系。加注累在執(zhí)行加注任務(wù)時(shí)主要監(jiān)測(cè)累出 (入）口壓力信息、累流量信息、累出（入）口溫度信息W及累電流信息等多種信息，各監(jiān)測(cè)數(shù) 據(jù)來源于不同空間位置或不同時(shí)間節(jié)點(diǎn)的同一類型或不同類型傳感器，監(jiān)測(cè)信號(hào)間可能存 在禪合關(guān)聯(lián)，可提供加注累運(yùn)行工況不同層面的特征信息。采用單一信號(hào)闊值判別方式進(jìn) 行加注累異常工況檢測(cè)時(shí)使得檢測(cè)的準(zhǔn)確度較低，一旦發(fā)生"虛警"、"漏警"現(xiàn)象，則可能引 發(fā)嚴(yán)重后果。要實(shí)現(xiàn)高精度和高準(zhǔn)確度的加注累異常工況檢測(cè)，往往需要充分利用加注累 多種監(jiān)測(cè)數(shù)據(jù)不同特征信息，融合多種監(jiān)測(cè)數(shù)據(jù)的不同特征分量，開展基于信息融合的加 注累異常工況檢測(cè)技術(shù)研究。
[0004] 因此，需要一種可W有效利用加注累監(jiān)測(cè)數(shù)據(jù)不同特征信息的異常工況檢測(cè)方 法，融合加注累的多種監(jiān)測(cè)數(shù)據(jù)的不同特征分量，解決單一信號(hào)闊值判別方式下加注累異 常工況檢測(cè)準(zhǔn)確度較低的問題，提高加注累異常工況檢測(cè)的準(zhǔn)確率。

【發(fā)明內(nèi)容】

[0005] 有鑒于此，本發(fā)明的目的在于提供一種多特征融合的加注累異常工況檢測(cè)方法， 突破加注累多種監(jiān)測(cè)數(shù)據(jù)異構(gòu)性的限制，有效利用加注累監(jiān)測(cè)數(shù)據(jù)的不同特征信息，融合 多種特征分量檢測(cè)異常工況，提高加注累異常工況識(shí)別的準(zhǔn)確率。
[0006] 為達(dá)到上述目的，本發(fā)明提供W下技術(shù)方案：
[0007] 本發(fā)明提供一種多特征融合的加注累異常工況檢測(cè)方法，包括如下步驟：
[000引SI:利用紅外光禪、接近傳感器、壓力傳感器、液位傳感器和電位器等傳感器獲取 加注累出(入）口壓力、流量、出(入）口溫度W及電流等多種監(jiān)測(cè)數(shù)據(jù)；
[0009] S2:采用自適應(yīng)濾波方法，對(duì)數(shù)據(jù)進(jìn)行平滑預(yù)處理；
[0010] S3:采用多核學(xué)習(xí)方法，將多種異構(gòu)監(jiān)測(cè)數(shù)據(jù)映射至高維線性空間，融合加注累多 種監(jiān)測(cè)數(shù)據(jù)的不同特征分量；
[0011] S4:比較高維空間融合結(jié)果與自適應(yīng)動(dòng)態(tài)闊值，識(shí)別加注累異常工況。
[0012] 進(jìn)一步，所述步驟S2中的自適應(yīng)濾波方法，其特征在于，所述平滑預(yù)處理方法采用 的是自動(dòng)調(diào)整窗口大小的自適應(yīng)中值濾波算法。
[0013] 進(jìn)一步，所述步驟S3中的多核學(xué)習(xí)方法，將多種異構(gòu)監(jiān)測(cè)數(shù)據(jù)映射至高維空間，融 合監(jiān)測(cè)數(shù)據(jù)的不同特征分量，其特征在于，具體過程如下：
[0014] S31:采用線性組合方法組合多個(gè)特征分量對(duì)應(yīng)的核函數(shù)；
[0015] S32:采用簡(jiǎn)單多核學(xué)習(xí)方法優(yōu)化核組合的權(quán)值系數(shù)；
[0016] 進(jìn)一步，所述步驟S4中比較高維空間融合結(jié)果與自適應(yīng)動(dòng)態(tài)闊值，識(shí)別加注累異 常工況的具體步驟是指：
[0017] S41:采用自適應(yīng)算法，動(dòng)態(tài)調(diào)整加注累異常工況檢測(cè)闊值；
[0018] S42:若融合結(jié)果高于（低于）動(dòng)態(tài)闊值的上限（下限），則判定加注累出現(xiàn)異常工 況；
[0019] 本發(fā)明的有益效果在于:利用壓力傳感器、液位傳感器和電位器等多種傳感器獲 取加注累出（入）口壓力、流量、出（入）口溫度W及電流等多種監(jiān)測(cè)數(shù)據(jù)，在數(shù)據(jù)平滑的基礎(chǔ) 上，利用多核學(xué)習(xí)方法，將壓力、流量、溫度、電流等多種異構(gòu)監(jiān)測(cè)數(shù)據(jù)映射至高維線性空 間，融合加注累多種監(jiān)測(cè)數(shù)據(jù)的不同特征分量;并通過自適應(yīng)算法動(dòng)態(tài)調(diào)節(jié)加注累異常工 況檢測(cè)闊值。本發(fā)明突破加注累多種監(jiān)測(cè)數(shù)據(jù)的異構(gòu)性限制，并融合多種特征分量檢測(cè)異 常工況，能提高加注累異常工況識(shí)別的正確率和精度。
【附圖說明】
[0020] 為了使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖對(duì)本發(fā)明作進(jìn) 一步的詳細(xì)描述，其中：
[0021 ]圖1為多特征融合的加注累異常工況檢測(cè)方法框架圖；
[0022] 圖2為基于多核學(xué)習(xí)方法融合不同特征分量算法流程圖。
【具體實(shí)施方式】
[0023] 下面將結(jié)合附圖，對(duì)本發(fā)明的優(yōu)選實(shí)施例進(jìn)行詳細(xì)的描述。
[0024] 圖1為基于多特征融合的加注累異常工況檢測(cè)方法框架圖，本方法包括W下步驟：
[0025] SI:利用紅外光禪、接近傳感器、壓力傳感器、液位傳感器和電位器等傳感器獲取 加注累出(入）口壓力、流量、出(入）口溫度W及電流等多種監(jiān)測(cè)數(shù)據(jù)；
[0026] S2:采用自動(dòng)調(diào)整窗口大小的自適應(yīng)中值濾波方法，對(duì)數(shù)據(jù)進(jìn)行平滑預(yù)處理，具體 包括W下步驟：
[0027] S21 :設(shè)窗口長(zhǎng)度為L(zhǎng)，最大窗口長(zhǎng)度為L(zhǎng)max，fmin是窗口中數(shù)據(jù)最小值，fmax是窗口中 數(shù)據(jù)最大值，fmed是窗口中的中值，favg是窗口數(shù)據(jù)的均值，fi為窗口當(dāng)前要處理的數(shù)據(jù)值。 計(jì)算Tl 二 fmed-fmin，了2 二 fmed-fmax ;
[002引 S22:如果Ti>0且T2<0，轉(zhuǎn)至S24，否則轉(zhuǎn)至S23;
[0029] S23:若fi = fmed，輸出favg;否則增加窗口長(zhǎng)度，若KLmax,重復(fù)步驟S21，S22,否則 輸出fi;
[0030] S24 :計(jì)算Gl = f i-f min，G2 = f i-fmax;
[00川 S25:如果Gl>0且G2<0,則輸出fi，否則輸出fmed。
[0032] S3:采用多核學(xué)習(xí)方法，將多種異構(gòu)監(jiān)測(cè)數(shù)據(jù)映射至高維線性空間，融合加注累多 種監(jiān)測(cè)數(shù)據(jù)的不同特征分量，具體包括W下步驟：
[0033] S31:不同特征分量分別選取不同的常用的核函數(shù)，并采用線性組合法組合多個(gè)特 征分量對(duì)應(yīng)的核函數(shù)，其模型定義如下：
[0034]
[0035] 其中，K( X，y)是最終組合后的核矩陣，Ki (X，y)是不同特征分量對(duì)應(yīng)的核矩陣，dm是 各個(gè)核矩陣對(duì)應(yīng)的權(quán)值系數(shù)，M是參與線性組合的核矩陣的個(gè)數(shù)。
[0036] S32:采用簡(jiǎn)單多核學(xué)習(xí)算法，優(yōu)化核組合的權(quán)值系數(shù)dm。
[0037] S4:比較高維空間融合結(jié)果與自適應(yīng)動(dòng)態(tài)闊值，識(shí)別加注累異常工況的具體步驟 是指：
[0038] S41:采用自適應(yīng)方法，動(dòng)態(tài)調(diào)整異常工況檢測(cè)的闊值。N+1時(shí)刻高維空間融合結(jié)果 f的正常闊值區(qū)1'自
戈中，玄和瑞分別表示f在N時(shí)刻的均值估計(jì) 和標(biāo)準(zhǔn)差估計(jì)。其自適應(yīng)表達(dá)式分別為：
[0039]
[0040]
[0041] S42:比較融合結(jié)果與動(dòng)態(tài)闊值的上下限，若融合結(jié)果高于或低于動(dòng)態(tài)闊值的上限 或下限，則判定加注累出現(xiàn)異常工況；
[0042] 最后說明的是，W上優(yōu)選實(shí)施例僅用W說明本發(fā)明的技術(shù)方案而非限制，盡管通 過上述優(yōu)選實(shí)施例已經(jīng)對(duì)本發(fā)明進(jìn)行了詳細(xì)的描述，但本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，可W在 形式上和細(xì)節(jié)上對(duì)其作出各種各樣的改變，而不偏離本發(fā)明權(quán)利要求書所限定的范圍。
【主權(quán)項(xiàng)】
1. 一種多特征融合的加注栗異常工況檢測(cè)方法，其特征在于包括下述步驟： S1:利用紅外光耦、接近傳感器、壓力傳感器、液位傳感器和電位器等傳感器獲取加注 栗出(入）口壓力、流量、出(入）口溫度以及電流等多種監(jiān)測(cè)數(shù)據(jù)； S2:采用自適應(yīng)濾波方法，對(duì)數(shù)據(jù)進(jìn)行平滑預(yù)處理； S3:采用多核學(xué)習(xí)方法，將多種異構(gòu)監(jiān)測(cè)數(shù)據(jù)映射至高維線性空間，融合加注栗多種監(jiān) 測(cè)數(shù)據(jù)的不同特征分量； S4:比較高維空間融合結(jié)果與自適應(yīng)動(dòng)態(tài)閾值，識(shí)別加注栗異常工況。2. 根據(jù)權(quán)利要求1所述的一種多特征融合的加注栗異常工況檢測(cè)方法，其特征在于:在 所述步驟S1中，紅外光耦監(jiān)測(cè)加注工序，接近傳感器監(jiān)測(cè)各工序下的閥門狀態(tài)，壓力傳感器 監(jiān)測(cè)加注栗入口壓力和出口壓力，液位傳感器監(jiān)測(cè)加注栗貯箱液位，電位傳感器監(jiān)測(cè)加注 栗節(jié)流閥開度。3. 根據(jù)權(quán)利要求1所述的一種多特征融合的加注栗異常工況檢測(cè)方法，其特征在于:在 所述步驟S2中，采用自動(dòng)調(diào)節(jié)窗口寬度的自適應(yīng)中值濾波方法，對(duì)壓力、流量、溫度、電流等 監(jiān)測(cè)數(shù)據(jù)進(jìn)行平滑預(yù)處理。4. 根據(jù)權(quán)利要求1所述的一種多特征融合的加注栗異常工況檢測(cè)方法，其特征在于:在 步驟S3中，具體包括以下步驟： S31:采用線性組合方法組合多個(gè)特征分量對(duì)應(yīng)的核函數(shù)； S32:采用簡(jiǎn)單多核學(xué)習(xí)方法優(yōu)化核組合的權(quán)值系數(shù)。5. 根據(jù)權(quán)利要求1所述的一種多特征融合的加注栗異常工況檢測(cè)方法，其特征在于:在 步驟S4中具體包括以下步驟： S41:采用自適應(yīng)方法，動(dòng)態(tài)調(diào)整加注栗異常工況檢測(cè)閾值； S42:若融合結(jié)果高于(低于)動(dòng)態(tài)閾值的上限（下限），則判定加注栗出現(xiàn)異常工況。
【文檔編號(hào)】G06K9/62GK106022388SQ201610366370
【公開日】2016年10月12日
【申請(qǐng)日】2016年5月30日
【發(fā)明人】柴毅, 尹宏鵬, 魏善碧, 屈劍鋒, 李艷霞
【申請(qǐng)人】重慶大學(xué)