本技术属于航空电源智能化管理，具体是一种基于航空电源的健康管理方法。
背景技术：
1、航空电源系统是飞行安全的重要保障，它由主电源、应急电源、辅助电源及二次电源等关键组件构成。这一系统通过高效的能量转换与分配机制，为飞机上的各种电子设备和系统提供稳定可靠的电力支持。主电源通常由发动机驱动的发电机提供，确保飞行过程中的主要电力需求；而应急电源则在紧急情况下接管供电任务，保障关键设备的安全运行。此外，辅助电源和二次电源也各自扮演着重要角色，共同维护着航空电源系统的稳定运行。这一系统的高度可靠性和安全性设计，确保了飞机在各种复杂环境下都能保持电力供应的连续性和稳定性，为乘客和机组人员的安全保驾护航。
2、现有航空电源管理多依赖于传统的管理模式，通过人工方式进行设备运行参数更新，而航空电源的健康管理过程中需要考虑大量的参数，处理难度较大；同时，参数保护范围固定，使得在调整参数时，参数限定于固定范围内，导致电源性能达不到预期效果；使得电源性能得不到有效释放，导致航空电源健康管理效率较低。因此对于航空电源的健康管理方法仍有进一步的改进空间。
技术实现思路
1、本技术旨在至少解决现有技术中存在的技术问题之一；为此，本技术提出了一种基于航空电源的健康管理方法，用于解决现有航空电源管理多依赖于传统的管理模式，通过人工方式进行设备运行参数更新，参数保护范围固定，使得电源性能得不到有效释放，导致航空电源健康管理效率较低的技术问题，本技术通过获取航空电源的电源数据和其对应的标准运行数据生成电源健康状态；判断电源健康状态是否为异常状态；是，根据运行数据生成故障类型和警报信号；根据故障类型下的若干参数调整值和相应的校准检测项目数据构建该故障类型下的多元线性回归模型；根据标准检测项目数据和多元线性回归模型生成参数调整值；否，判断参数调整值是否更新：是，则根据参数调整值和其对应的参数保护值调整相应的项目参数值，解决了上述问题。
2、为实现上述目的，本技术的第一方面提供了一种基于航空电源的健康管理方法，包括：
3、s1：获取航空电源的电源数据和其对应的标准运行数据；所述电源数据包括电源id、电源性能参数、设备运行参数和运行数据；
4、s2：将电源数据中的运行数据进行预处理；
5、s3：获取预处理后的运行数据；根据所述运行数据中的各个检测项目数据和标准运行数据中对应的标准检测项目数据生成电源健康状态；判断电源健康状态是否为异常状态；是，则进入s4；否，则进入s5；
6、s4：根据运行数据生成故障类型和警报信号；根据故障类型生成参数调整值；
7、s5：判断参数调整值是否更新；是，则根据参数调整值和其对应的参数保护值调整相应的项目参数值；否，则进入s6；
8、s6：将同一电源id对应的电源性能、设备运行参数、电源健康状态、运行数据和参数调整值整合成所述电源id的电源日志。
9、本技术通过获取航空电源的电源数据和其对应的标准运行数据；将电源数据中的运行数据进行预处理；获取预处理后的运行数据；根据运行数据中的各个检测项目数据和标准运行数据中对应的标准检测项目数据生成电源健康状态；根据电源健康状态判断是否需要进行故障识别；是，则对故障进行识别；否，则直接进入后续流程；当检测到参数调整值更新时；则根据参数调整值和其对应的参数保护值调整相应的项目参数值，智能化校准设备运行参数和调整参数保护范围，提升了航空电源健康管理的效率和智能化水平。
10、进一步的，所述预处理包括数据清洗和递推平均滤波法。
11、进一步的，根据运行数据中的各个检测项目数据和标准运行数据中对应的标准检测项目数据生成所述电源健康状态，包括：
12、获取运行数据的若干检测项目数据和标准运行数据中对应的标准检测项目数据；
13、依次计算各个检测项目数据和其对应的标准检测项目数据之间的差值绝对值；
14、判断差值绝对值是否大于相应的健康阈值：是，则将电源健康状态设置为异常状态；否，则将电源健康状态设置为正常状态。
15、进一步的，所述根据运行数据生成故障类型和警报信号，包括：
16、获取运行数据，将运行数据输入故障诊断模型得到若干故障类别和其对应的置信度；所述故障诊断模型通过卷积神经网络vggnet训练得到；
17、当若干置信度中最大值大于警报阈值时，生成故障警报信号，记录故障类型；
18、否则，当若干置信度中最大值大于预警阈值时，选择若干置信度中前二置信度对应的故障类型，将两个故障类型整合成混合故障类型，生成混合故障警报信号，记录混合故障警报类型；
19、否则，获取若干置信度中最大值对应的故障类型，生成潜在风险故障预警信号，记录故障预警类型。
20、进一步的，所述故障诊断模型通过卷积神经网络训练得到，包括：
21、获取若干历史运行数据以及其相对应的故障类型标签；
22、将若干历史运行数据以及其相对应的故障类型标签划分为训练数据、验证数据以及测试数据；
23、对训练数据、验证数据以及测试数据进行预处理得到训练集、验证集以及测试集；
24、选择卷积神经网络模型vggnet作为基础模型；
25、使用训练集对基础模型进行训练，在验证集上调整参数，在测试数据上进行模型测试，最终得到输入为运行数据，输出为若干置信度以及相应故障类型的故障诊断模型。
26、进一步的，根据故障类型生成参数调整值，包括：
27、获取各个故障类型下设备运行参数中的若干参数调整值以及其相应的各个校准检测项目数据；
28、通过最小二乘法构建各个校准检测项目数据与若干参数调整值的目标函数；
29、通过将各个校准检测项目数据与若干参数调整值带入目标函数求解得到各个故障类型下的多元线性回归模型；
30、根据故障类型选择相应的多元线性回归模型；
31、将标准检测项目数据代入相应的多元线性回归模型得到若干参数调整值。
32、进一步的，根据参数调整值和其对应的参数保护值生成对应的项目参数值，包括：
33、获取设备运行参数中的项目参数值以及其相应的参数保护值；获取若干参数调整值；
34、计算相应参数调整值与项目参数值之间的差值绝对值；
35、判断差值绝对值是否小于相应的参数保护值：是，将项目参数值设置为参数调整值；
36、否则，获取各个参数保护值的最大调整步幅；计算参数保护值与最大调整步幅的乘积作为最大参数保护值；判断差值绝对值是否小于相应的最大参数保护值：是，计算差值绝对值与参数保护值之间的商值作为调整步幅；按照调整步幅阶段性调整项目参数值直至达到参数调整值；否则，按照最大调整步幅阶段性调整项目参数值直至达到最大参数保护值。
37、进一步的，还包括s7：通过iap在线升级实现智能化更新软件，包括：
38、引导加载程序通过电源的对外通信接口获取新的程序代码；通过crc校验以确保数据的完整性和正确性；
39、引导加载程序将接收到的程序代码写入设备内部的非易失性存储器中；同时确保不会破坏引导加载程序自身或其他重要数据；
40、写入完成后，引导加载程序重启设备；根据新的程序代码进行初始化，并跳转到新的应用程序入口点执行；
41、通过检查更新日志的方法判断更新是否成功：是，则不进行操作；否则，程序回滚到旧版本。
42、与现有技术相比，本技术的有益效果是：
43、1、本技术通过获取航空电源的电源数据和其对应的标准运行数据；将电源数据中的运行数据进行预处理；获取预处理后的运行数据；根据运行数据中的各个检测项目数据和标准运行数据中对应的标准检测项目数据生成电源健康状态；根据电源健康状态判断是否需要进行故障识别；是，则对故障进行识别；否，则直接进入后续流程；当检测到参数调整值更新时；则根据参数调整值和其对应的参数保护值调整相应的项目参数值，智能化校准设备运行参数和调整参数保护范围，提升了航空电源健康管理的效率和智能化水平。
1.一种基于航空电源的健康管理方法，其特征在于，包括：
2.根据权利要求1所述的一种基于航空电源的健康管理方法，其特征在于，所述预处理包括数据清洗和递推平均滤波法。
3.根据权利要求1所述的一种基于航空电源的健康管理方法，其特征在于，根据运行数据中的各个检测项目数据和标准运行数据中对应的标准检测项目数据生成所述电源健康状态，包括：
4.根据权利要求1所述的一种基于航空电源的健康管理方法，其特征在于，所述根据运行数据生成故障类型和警报信号，包括：
5.根据权利要求4所述的一种基于航空电源的健康管理方法，其特征在于，所述故障诊断模型通过卷积神经网络训练得到，包括：
6.根据权利要求1所述的一种基于航空电源的健康管理方法，其特征在于，根据故障类型生成所述参数调整值，包括：
7.根据权利要求1所述的一种基于航空电源的健康管理方法，其特征在于，根据参数调整值和其对应的参数保护值生成对应的所述项目参数值，包括：
8.根据权利要求1所述的一种基于航空电源的健康管理方法，其特征在于，所述s6之后还包括s7：通过iap在线升级实现智能化更新软件，包括：
