基于卷积神经网络的发动机气路故障诊断方法.pdf
版权申诉
5星 · 超过95%的资源 53 浏览量
2021-09-25
21:28:38
上传
评论 1
收藏 3.01MB PDF 举报 
计算 机 测 量 与 控 制
（
）
犆狅犿
狆
狌狋犲狉 犕犲犪狊狌狉犲犿犲狀狋 牔 犆狅狀狋狉狅犾
测试与故障诊断
·
·
收稿日期：
；
修回 日期：
。
作者 简介：元尼 东珠（
），男，青海 西 宁人，硕士，讲师，主要
从事 计算机 应用技 术等方 向的研 究。
文章编 号：
（
）
：
／
／
中图分 类号：
；
文献标 识码：
基于卷积神经网络的发动机气路故障诊断方法
元尼东珠
，罗亚锋
，房红征
，
，
，杨
浩
，
，
（
青海民族大学 计算机学院，西宁
；
火箭军装备部驻北京地区第八军事代表室，
北京
；
北京航天测控技术有限公司，北京
；
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
；
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
）
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。
关键 词：无故障 诊断；深度学习 ；卷 积神经 网络 （
）；深度神 经网络 （
）；发 动机；气路
犃犲狉狅犲狀
犵
犻狀犲犌犪狊犘犪狋犺犉犪狌犾狋犇犻犪
犵
狀狅狊狋犻犮犕犲狋犺狅犱犅犪狊犲犱狅狀
犆狅狀狏狅犾狌狋犻狅狀犪犾犖犲狌狉犪犾犖犲狋狑狅狉犽
，
，
，
，
，
，
，
（
，
，
，
；
，
，
；
，
，
；
，
，
；
，
，
）
犃犫狊狋狉犪犮狋
：
，
，
，
，
，
，
，
犓犲
狔
狑狅狉犱狊
：
；
；
（
）；
（
）；
；
０
引言
在发动机气路等典 型 机 电 设 备 的 故 障 诊 断 中，神 经 网
络出色的非线性问题处理能 力
［
］
，有利于 帮助解决 故障诊
断与预测等领 域的 难 点 问题，因 此 得到 了 大 量的 应 用。 此
外
，常见的故 障 诊 断方 法 还 包 括 专 家 系 统
［
］
、 模 糊 集、 支
持向量 机 等。 其 中 支 持 向 量 机 （
，
）在解决非 线 性、 较 高 维、 小 样 本 等方 面 有 突出 的 优
点
，但其参数的选取在一定程度上 影响了其 性能和实 用性。
目前复杂系统故 障诊 断 预测 领 域 中，所 使 用的 机 器 学习 算
法大多为支持向量机、
神经网 络等浅层 学习方法。随着
人工智能 科 学 和 大 数 据 的 发 展， 机 器 学 习 算 法 不 断 丰 富，
学习深度不断 加深，性 能 不断 提 高， 将 最 新 的机 器 深 度学
习成果应用于故 障诊 断 领域 已 经 成为 一 个 热点。深 度 学习
方法例如深度神经网络 （
，
）
［
］
、
深度置信网络 （
，
）
［
］
、递归神经
网络 （
，
）
［
］
、卷积神经网络
（
，
） 等
［
］
，由 于近 几
年随着大数据处 理的 广 泛应 用 而 刚成 为 研 究热 点， 但在 发
动机气路故障诊断中应用和研究还较少
［
］
。
资源评论
m0_716265702024-04-17发现一个宝藏资源，资源有很高的参考价值，赶紧学起来~
