基于卷积神经网络的发动机气路故障诊断方法

作     者：元尼东珠 罗亚锋 房红征 杨浩 Yuanni Dongzhu;Luo Yafeng;Fang Hongzheng;Yang Hao

作者机构：青海民族大学计算机学院西宁810007 火箭军装备部驻北京地区第八军事代表室北京100192 北京航天测控技术有限公司北京100041 北京市高速交通工具智能诊断与健康管理重点实验室北京100041 装备全寿命周期状态监测与健康管理技术与应用国家地方联合工程研究中心北京100041 

出 版 物：《计算机测量与控制》 (Computer Measurement &Control)

年 卷 期：2019年第27卷第12期

页      面：14-19页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 082502[工学-航空宇航推进理论与工程] 0835[工学-软件工程] 0825[工学-航空宇航科学与技术] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：无故障诊断 深度学习 卷积神经网络(CNN) 深度神经网络(DNN) 发动机 气路 

摘      要：深度学习是一种新的基于特征表示的机器学习方法;深度学习模型包含多个隐藏层,可以通过对输入数据进行自动学习来获取隐藏的功能层中的特征信息;与传统的诊断方法相比,深度学习具备从原始信息中提取更丰富的特征的能力,因此已经成为基于机器学习的故障诊断研究的新方向,为发动机气路等复杂系统故障诊断带来了新思路;结合发动机气路试验数据的特点与深度学习的优势,提出基于卷积神经网络的故障诊断方法,包括预处理、模型训练及优化等过程,并实现了复杂系统故障诊断预测算法平台;经某发动机气路试验仿真数据实例验证,提出的方法具有较好的可行性和效果,能够充分利用深度学习的优点,更准确地识别发动机气路的健康状况。