(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 202211283961.9 (22)申请日 2022.10.20 (71)申请人 南京航空航天大 学 地址 210000 江苏省南京市江宁区将军大 道29号 (72)发明人 刘通　盛汉霖　黄锐　尹炳雄　 刘祁　柏婷婷　路引　 (74)专利代理 机构 北京德崇智捷知识产权代理 有限公司 1 1467 专利代理师 杨楠 (51)Int.Cl. G06K 9/00(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 滑油屑末在线检测方法及装置 (57)摘要 本发明公开了一种滑油屑末在 线检测方法， 属于航空发动机健康监测技术领域。 本发明基于 长短期记忆神经网络构建金属屑末检测模型， 并 结合变长度加窗的屑末在线检测算法， 依据多个 检测窗口的检测情况对屑末信号的特征进行信 息融合， 在面对传统信号特征检测算法无法有效 应对的信号畸变时， 具有更好的检测 效果， 提高 了屑末检测的置信度， 降低了虚警率； 在此基础 上， 本发明进一步通过多种去噪技术的有机组 合， 分步消除高频电磁噪声、 低频振动 噪声以及 背景白噪声和有色噪声， 从而可凸显出屑末波形 信号， 大幅提高信噪比。 本发明还公开了一种滑 油屑末在 线检测装置。 本发明能在高噪声背景下 实现对发动机滑油系统金属屑末的高精度在线 检测。 权利要求书3页 说明书11页 附图5页 CN 115545080 A 2022.12.30 CN 115545080 A 1.一种滑油屑末在线检测方法， 基于设置于滑油通路上的电磁传感器所采集的信号进 行滑油屑末在线检测； 其特 征在于； 具体包括以下步骤： 步骤1、 对所采集的原始信号进行降噪处理， 并将降噪处理后的信号与原始信号重构为 双通道数据； 步骤2、 用多个不同长度的测试窗口分别对所述双通道数据进行数据提取， 并将所提取 的多个不同长度的数据序列分别送入金属屑末检测模型进 行屑末检测， 然后对所得到的多 个检测结果进 行信息融合， 得到滑油中是否存在金属屑末以及金属屑末是否为铁磁性金属 屑末的最 终检测结果； 所述金属屑末 检测模型为按照以下方法预先训练得到的长短期记忆 神经网络LSTM： S1、 用电磁传感器采集高噪声背景下已知类别的以下三类信号： 无金属屑末信号、 铁磁 性金属屑末信号、 非铁磁性金属屑末信号； S2、 对所采集的原始信号进行降噪处理， 并将降噪处理后的信号与原始信号重构为双 通道数据， 对其采样得到一系 列样本， 然后按照数据长度对所述样 本进行排序， 并按照LSTM 的单次样本输入数量对排序后的样本序列从前到后进 行分批， 最后 将每一批样本中的所有 样本按照其中的最大数据长度进 行数据填充， 完成数据填充的具有不同数据长度的各批样 本即构成训练样本集； S3、 用所述训练样本集对LSTM进行训练， 得到所述金属屑末检测模型； 步骤3、 令所述多个不同长度的测试窗口向前滑动， 转 步骤2。 2.如权利要求1所述滑油屑末在线检测方法， 其特征在于， 所述步骤2中还包括： 如当前 的最终检测结果为存在金属屑末， 则根据金属屑末的类型， 进一步按照以下公式对金属屑 末的半径进行定量检测： E1max/E1max′＝(rc1/rc1′)3 E2max/E2max′＝(rc2/rc2′)4 其中， E1max为最终检测结果为铁磁性金属屑末时的信号波形幅值， E1max′为预先标定好 的半径为rc1′的铁磁性金属屑末的信号波形幅值， E2max为最终检测结果为非铁磁性金属屑 末时的信号波形幅值， E2max′为预先标定好的半径 为rc2′的非铁磁性金属屑末的信号波形幅 值。 3.如权利要求1或2所述滑油屑末在线检测方法， 其特征在于， 在步骤3中根据当前的最 终检测结果对测试窗口的滑动距离按照以下方法进行动态调整： 如当前的最 终检测结果为 不存在金属屑末， 则令所述多个不同长度的测试窗口按照第一滑动距离向前滑动， 否则， 令 所述多个不同长度的测试窗口按照第二滑动距离向前滑动； 所述第一滑动距离小于等于所 述多个不同长度的测试窗口中的最小测试窗口长度， 所述第二滑动距离小于等于所述多个 不同长度的测试窗口中的最大测试窗口长度， 且第二滑动距离>第一滑动距离 。 4.如权利要求1或2所述滑油屑末在线检测方法， 其特征在于， 所述降噪处理具体如下： 通过对原始信号进行小波分解， 提取出原始信号中的低频成分， 得到消除了高频电磁噪声 的信号； 用自适应滤波方法对消除了高频电磁噪声的信号进行处理， 将其中的类正弦脉冲 信号消除， 然后将剩余信号作为振动干扰信号， 从消除了高频电磁噪声的信号中减去所述 振动干扰信号， 得到消除了高频电磁噪声和振动干扰的信号； 最后用阈值降噪方法对消除 了高频电磁噪声和振动干扰的信号进 行处理， 进一步消除其中背 景白噪声与有色噪声的干权　利　要　求　书 1/3 页 2 CN 115545080 A 2扰， 最终完成所述降噪处 理。 5.如权利要求1或2所述滑油屑末在线检测方法， 其特征在于， 所述LSTM的修正层中的 损失函数 具体如下： 式中， y1′,y2′,…yC′代表LSTM网络预测该段信号类别为第1～第C个类别的归一化概 率， C为信号类别总数， pi为信号类别为第i类的真实概率， 如果信号类别为第i类则pi＝1， 否 则pi＝0。 6.一种滑油屑末在线检测装置， 基于设置于滑油通路上的电磁传感器所采集的信号进 行滑油屑末在线检测； 其特 征在于； 该装置包括： 降噪模块， 用于对所采集的原 始信号进行降噪处 理； 数据重构模块， 用于将降噪处 理后的信号与原 始信号重构为双通道数据； 数据提取模块， 用于用多个不同长度的测试窗口分别对所述双通道数据进行数据提 取； 金属屑末检测模型， 用于对数据提取模块所提取的多个不同长度的数据序列分别进行 屑末检测， 得到滑油中是否存在金属屑末以及金属屑末是否为铁磁性金属屑末的多个检测 结果； 所述金属屑末检测模型为按照以下 方法预先训练得到的长短期记 忆神经网络LSTM： S1、 用电磁传感器采集高噪声背景下已知类别的以下三类信号： 无金属屑末信号、 铁磁 性金属屑末信号、 非铁磁性金属屑末信号； S2、 对所采集的原始信号进行降噪处理， 并将降噪处理后的信号与原始信号重构为双 通道数据， 对其采样得到一系 列样本， 然后按照数据长度对所述样 本进行排序， 并按照LSTM 的单次样本输入数量对排序后的样本序列从前到后进 行分批， 最后 将每一批样本中的所有 样本按照其中的最大数据长度进 行数据填充， 完成数据填充的具有不同数据长度的各批样 本即构成训练样本集； S3、 用所述训练样本集对LSTM进行训练， 得到所述金属屑末检测模型； 信息融合模块， 用于对所述多个检测结果进行信息融合， 得到滑油中是否存在金属屑 末以及金属屑末是否为铁磁性金属屑末的最终检测结果； 测试窗口滑动模块， 用于 令所述多个不同长度的测试窗口向前滑动。 7.如权利要求6所述滑油屑末在线检测装置， 其特 征在于， 该装置还 包括： 定量检测模块， 用于在当前的最终检测结果为存在金属屑末时， 根据 金属屑末的类型， 进一步按照以下公式对金属屑末的半径进行定量检测： E1max/E1max′＝(rc1/rc1′)3 E2max/E2max′＝(rc2/rc2′)4 其中， E1max为最终检测结果为铁磁性金属屑末时的信号波形幅值， E1max′为预先标定好 的半径为rc1′的铁磁性金属屑末的信号波形幅值， E2max为最终检测结果为非铁磁性金属屑 末时的信号波形幅值， E2max′为预先标定好的半径 为rc2′的非铁磁性金属屑末的信号波形幅 值。 8.如权利要求6或7所述滑油屑末在线检测装置， 其特征在于， 测试窗口滑动模块根据 当前的最 终检测结果对测试窗口的滑动距离按照以下方法进 行动态调整： 如当前的最终检权　利　要　求　书 2/3 页 3 CN 115545080 A 3