一种基于TCN-LGBM的航空发动机气路故障诊断方法

作     者：吕卫民 孙晨峰 任立坤 赵杰 李永强 LÜWeimin;SUN Chenfeng;REN Likun;ZHAO Jie;LI Yongqiang

作者机构：海军航空大学山东烟台264000 

出 版 物：《兵工学报》 (Acta Armamentarii)

年 卷 期：2024年第45卷第1期

页      面：253-263页

核心收录：

学科分类：0810[工学-信息与通信工程] 082502[工学-航空宇航推进理论与工程] 08[工学] 082503[工学-航空宇航制造工程] 0825[工学-航空宇航科学与技术] 0701[理学-数学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：山东省自然科学基金项目(ZR2021QE193) 

主　　题：航空发动机 故障诊断 时间卷积神经网络 轻量级梯度提升机 注意力机制 

摘      要：长时间工作在高温高压、强振动等恶劣气路环境下的航空发动机经常面临部件疲劳、腐蚀和性能退化的问题,且其故障诊断时序逻辑性不强、故障参数耦合较深等特点十分明显,为此提出一种基于时间卷积神经网络(Temporal Convolutional Network,TCN)和轻量级梯度提升机(Light Gradient Boosting Machine,LGBM)的航空发动机气路故障诊断方法。故障诊断分为故障特征提取和分类诊断两个过程:引入TCN框架,在保证故障数据训练时序逻辑的基础上,实现对远层历史信息和当前层信息的特征融合构建,融合通道注意力机制增强了高质量特征的权重;基于LGBM模型实现对特征的快速分类,利用贝叶斯方法实现对模型超参数的快速优化。以基于PROOSIS软件建模的某军用小涵道比涡扇发动机故障仿真数据为例,对6种故障模式进行诊断识别。仿真结果表明了所提方法的有效性;通过与其他模型对比体现了该方法的优越性。