专利交易市场

本发明涉及一种发动机性能退化趋势预测方法，包括以下步骤：步骤一、监测数据序列重构；步骤二、构建灰色相关向量机预测模型；步骤三、构建改进相关向量机模型；步骤四、构建换油后油液监测数据修正模型。本发明的改进RVM模型构建适用于OLVF监测数据的预测方法，深入挖掘OLVF监测数据中的隐含信息，可以实现发动机的整体趋势预测，解决了以往方法手段无法准确实现发动机性能退化趋势预测的技术难题。同时，本发明的改进RVM模型通过对发动机油液监测过程中的噪声数据进行重构，在消除噪声点的同时保留整体趋势和突变信息，在预测数据量递增、尤其针对在线监测源源不断数据量的情况下，仍然保持准确的预测结果。

本发明涉及机械故障预测技术领域，公开了涡轮风扇发动机的可解释故障预测方法及系统，其中方法包括：获取涡轮风扇发动机的工作参数；将涡轮风扇发动机的工作参数，输入到训练后的预测网络中输出故障预测结果；从训练后的预测网络中，提取神经元激活值；将神经元激活值，分别输入到若干个训练后的解释网络中，每个训练后的解释网络输出对应故障子概念的健康指数；其中，训练后的解释网络与故障子概念之间是一一对应的；将故障子概念的健康指数，输入到改进的拓扑排序算法，在构建的实体‑事件知识图谱上进行推理，得到故障预测结果的可解释信息；故障的自然语言描述和子知识图谱。实现了在故障预测准确率高的同时获得预测结果的解释性信息。