本申请涉及航空机电，尤其涉及一种涡轮冷却器在线诊断方法和装置。
背景技术：
1、涡轮冷却器作为高速旋转机械，在试验和使用过程中经常发生卡滞、断裂、异常磨损等故障。这些故障一旦出现，不仅会导致严重后果，还可能影响飞行安全。因此，在早期发现产品运行异常并进行故障诊断，对提高产品质量具有重要意义。
2、目前，飞机的涡轮冷却器仍以纯机械产品为主，监测手段较为匮乏，主要依赖定期维护。这种维护方式容易导致故障问题发现不及时，进而导致故障扩散，或由于频繁检查带来成本与拆装风险的增加。因此，需要对涡轮冷却器的运行状态进行实时在线监控，及时发现故障并进行预警。
3、然而，由于涡轮冷却器在运行过程中存在气动影响和工作转速波动大的特点，这严重影响了故障特征信号的识别。当前，涡轮冷却器在线故障诊断在复杂工况下，无法实现精准的故障定位，且由于存在多个故障特征信号的影响，导致故障识别效率较低。
技术实现思路
1、有鉴于此，本申请提供一种涡轮冷却器在线诊断方法和装置，可在复杂工况下实现快速、精准的故障诊断。
2、具体地，本申请是通过如下技术方案实现的：
3、本申请第一方面提供一种涡轮冷却器在线诊断方法，所述方法包括：
4、基于涡轮冷却器故障机理确定监测信号类型和监测位置，其中，监测信号中的各个信号在所述涡轮冷却器各个故障中均会发生异常变化，且对于各个故障，所述监测信号中至少一个信号为故障状态下幅值变化最大的信号；
5、实时采集所述监测信号；
6、基于所述监测信号中任一个信号独立单独识别所述涡轮冷却器是否故障；
7、其中，根据所述监测信号中各个信号关联故障的时间顺序确定各个信号的识别顺序；
8、若识别结果为无故障，融合所述监测信号中各个信号，将融合后的信号输入至神经网络模型，输出所述涡轮冷却器的故障状态；
9、其中，基于各个信号计算至少两个维度的数值参数，基于所述数值参数的融合对各个信号进行融合。
10、本申请第二方面提供一种涡轮冷却器在线诊断装置，所述装置包括确定模块、采集模块、识别模块和处理模块；
11、其中，所述确定模块，用于基于涡轮冷却器故障机理确定监测信号类型和监测位置，其中，监测信号中的各个信号在所述涡轮冷却器各个故障中均会发生异常变化，且对于各个故障，所述监测信号中至少一个信号为故障状态下幅值变化最大的信号；
12、所述采集模块，用于实时采集所述监测信号；
13、所述识别模块，用于基于所述监测信号中任一个信号独立单独识别所述涡轮冷却器是否故障；
14、其中，根据所述监测信号中各个信号关联故障的时间顺序确定各个信号的识别顺序；
15、所述处理模块，用于在识别结果为无故障时，融合所述监测信号中各个信号，将融合后的信号输入至神经网络模型，输出所述涡轮冷却器的故障状态；
16、其中，基于各个信号计算至少两个维度的数值参数，基于所述数值参数的融合对各个信号进行融合。
17、本申请提供的涡轮冷却器在线诊断方法和装置，通过基于涡轮冷却器故障机理确定监测信号类型和监测位置，可直接确定传感器类型及布设位置，既避免了过多安装传感器导致的结构限制和经济成本过高和信息冗余问题，又避免了过少安装传感器导致的健康状态识别能力不足，无法实现故障提前预警，影响系统安全的问题，且根据故障机理确定监测位置，在合适的位置进行监测还可提高故障诊断的准确性；此外，优先基于监测信号中任一个信号独立单独识别涡轮冷却器是否故障，是利用了监测信号中各信号对故障敏感性的不同进行分析，其中故障状态下幅值变化最大的信号故障敏感度最高，利用敏感度由高到低可获取各个信号的识别顺序，基于该顺序识别故障，可实现故障的快速识别，提升故障识别的效率，且在任一个信号都尚未识别到故障时，还可通过提取各个信号的特征进行融合，以此综合各个信号的信息，避免涡轮外界工作环境的干扰，增加诊断的全面性和准确性。还需要说明的是，通过这种独立识别信号和融合信号的双重机制，能够减少由于单一信号异常导致的误报或漏报，提高系统的整体可靠性。
1.一种涡轮冷却器在线诊断方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述监测信号中任一个信号独立单独识别所述涡轮冷却器是否故障，包括：
3.根据权利要求1所述的方法，其特征在于，所述实时采集所述监测信号后，包括：
4.根据权利要求1所述的方法，其特征在于，所述融合所述监测信号中各个信号之前，包括：
5.根据权利要求1所述的方法，其特征在于，所述基于各个信号计算至少两个维度的数值参数，基于所述数值参数的融合对各个信号进行融合，包括：
6.根据权利要求1所述的方法，其特征在于，所述将融合后的信号输入至神经网络模型，输出所述涡轮冷却器的故障状态，包括：
7.根据权利要求6所述的方法，其特征在于，所述神经网络模型为双层神经网络模型；其中，所述双层神经网络模型的第一层用一个深度神经网络实现故障类型的定性化诊断；所述双层神经网络模型的第二层用预设数个深度神经网络分别实现各故障类型下不同故障程度大小的定量化诊断。
8.根据权利要求1所述的方法，其特征在于，所述将融合后的信号输入至神经网络模型，输出所述涡轮冷却器的故障状态后，还包括根据故障程度制定维修计划，具体包括：
9.根据权利要求1所述的方法，其特征在于，基于所述监测信号中任一个信号独立单独识别所述涡轮冷却器是否故障，包括：
10.一种涡轮冷却器在线诊断装置，其特征在于，所述装置包括确定模块、采集模块、识别模块和处理模块；其中，
