1.一种基于多传感器和光谱数据融合的发动机故障检测方法,其特征在于,包括以下步骤:S1.采集正常发动机的发动机尾焰的第一光谱数据、基准温度和基准压力,并基于所述第一光谱数据对目标物质的理想光谱特征进行提取;
S2.采集待检测发动机的发动机尾焰的第二光谱数据,并基于所述第二光谱数据获取所述目标物质的实际光谱特征;
S3.采集所述待检测发动机的发动机尾焰的实际尾焰温度和实际尾焰压力,并基于所述实际尾焰温度和所述实际尾焰压力对所述实际光谱特征进行校正以获得实际光谱校正特征;
S4.基于所述理想光谱特征和所述实际光谱校正特征获取用于判断所述待检测发动机是否故障的动态特征;
S5.构建用于判断所述动态特征是否异常的动态阈值范围;
S6.基于所述动态阈值范围判断所述动态特征是否异常,其中,若所述动态特征超出所述动态阈值范围,则所述动态特征存在异常,即判定所述待检测发动机存在故障,若所述动态特征处在所述动态阈值范围内,则所述动态特征不存在异常,即判定所述待检测发动机不存在故障。
2.根据权利要求1所述的基于多传感器和光谱数据融合的发动机故障检测方法,其特征在于,步骤S1中,基于所述第一光谱数据对目标物质的理想光谱特征进行提取的步骤中,所述目标物质为至少一种金属元素;
所述理想光谱特征为所述目标物质的光谱峰值强度,其基于以下方式进行提取:针对所述目标物质获取其原子吸收光谱中的特征吸收波长,并基于所述特征吸收波长在所述第一光谱数据中提取出相应的光谱峰值以作为所述理想光谱特征。
3.根据权利要求2所述的基于多传感器和光谱数据融合的发动机故障检测方法,其特征在于,步骤S2中,基于所述第二光谱数据获取所述目标物质的实际光谱特征的步骤中,所述实际光谱特征为所述目标物质的光谱峰值强度,其基于以下方式进行提取:针对所述目标物质获取其原子吸收光谱中的特征吸收波长,并基于所述特征吸收波长在所述第二光谱数据中提取出相应的光谱峰值以作为所述实际光谱特征。
4.根据权利要求3所述的基于多传感器和光谱数据融合的发动机故障检测方法,其特征在于,步骤S3中,基于所述实际尾焰温度和所述实际尾焰压力对所述实际光谱特征进行校正以获得实际光谱校正特征的步骤中,所述实际光谱校正特征表示为:其中,表示实际光谱校正特征,表示实际光谱特征,表示校正因子,表示实际尾焰温度,表示实际尾焰压力,为温度对光谱强度的敏感系数,为压力对光谱强度的敏感系数,为基准温度,为基准压力。
5.根据权利要求4所述的基于多传感器和光谱数据融合的发动机故障检测方法,其特征在于,步骤S1中,采集正常发动机的发动机尾焰的基准温度和基准压力的步骤中,所述基准温度和所述基准压力基于所述正常发动机喷口处所采集;
步骤S3中,采集所述待检测发动机的发动机尾焰的实际尾焰温度和实际尾焰压力的步骤中,所述实际尾焰温度和实际尾焰压力基于所述待检测发动机喷口处所采集。
6.根据权利要求5所述的基于多传感器和光谱数据融合的发动机故障检测方法,其特征在于,步骤S4中,基于所述理想光谱特征和所述实际光谱校正特征获取用于判断所述待检测发动机是否故障的动态特征的步骤中,所述动态特征包括:所述目标物质的光谱特征差异和/或光谱特征比差异;
所述光谱特征差异基于同一种金属元素所获得,其表示为:
其中,表示实际光谱特征;表示实际光谱校正特征;
所述光谱特征比差异基于不同种金属元素所获得,其表示为:
其中,表示不同种金属元素之间的实际光谱校正特征的比值,表示不同种金属元素之间的理想光谱特征的比值,表示理想光谱特征,下标和分别表示不同的金属元素。
7.根据权利要求6所述的基于多传感器和光谱数据融合的发动机故障检测方法,其特征在于,步骤S5中,构建用于判断所述动态特征是否异常的动态阈值范围的步骤中,包括:S51.获取预设时间的所述理想光谱特征,并计算关于所述理想光谱特征的初始均值和初始标准差;
S52.基于指数加权移动平均公式分别构建关于所述初始均值的动态均值和关于所述初始标准差的动态标准差;
S53.基于所述动态均值和所述动态标准差以构建出所述动态阈值范围。
8.根据权利要求7所述的基于多传感器和光谱数据融合的发动机故障检测方法,其特征在于,步骤S51中,计算关于所述理想光谱特征的初始均值和初始标准差的步骤中,所述初始均值表示为:所述初始标准差表示为:
其中,表示在预设时间内采集的所述理想光谱特征的数据点数量,表示采集的所述理想光谱特征,其中,下标表示所述理想光谱特征的标志位,即第个理想光谱特征;
步骤S52中,基于指数加权移动平均公式分别构建关于所述初始均值的动态均值和关于所述初始标准差的动态标准差的步骤中,所述动态均值表示为:其中,表示加权系数,且其取值为0.1至0.3,表示当前新产生的理想光谱特征,表示上一时刻的标准差,其初始取值为初始均值;
所述动态标准差表示为:
其中,表示加权系数,且其取值为0.1至0.3,表示当前新产生的理想光谱特征,表示上一时刻的标准差,其初始取值为初始均值。
9.根据权利要求8所述的基于多传感器和光谱数据融合的发动机故障检测方法,其特征在于,步骤S53中,基于所述动态均值和所述动态标准差以构建出所述动态阈值范围的步骤中,所述动态阈值范围包括:用于判断所述光谱特征差异是否异常的第一动态阈值范围和/或用于判断所述光谱特征比差异是否异常的第二动态阈值范围;
所述第一动态阈值范围表示为:
其中,表示第一动态阈值范围的下限,表示第一动态阈值范围的上限;
所述第二动态阈值范围表示为:
其中,表示第二动态阈值范围的下限,表示第二动态阈值范围的上限。
10.根据权利要求9所述的基于多传感器和光谱数据融合的发动机故障检测方法,其特征在于,步骤S6中,若所述动态特征超出所述动态阈值范围,则所述动态特征存在异常,即判定所述待检测发动机存在故障的步骤中,若所述动态特征超出所述动态阈值范围的次数超出预设阈值,则触发报警,且报警信号为声音、图像、文字中的至少一种;
所述目标物质的金属元素为镍、铬、铁中的至少一种。