| 基于差分隐私的航空发动机喘振故障检测 |
| |
| 引用本文： | 岑鹏,郑德生,陆超. 基于差分隐私的航空发动机喘振故障检测[J]. 燃气涡轮试验与研究, 2022, 0(1): 48-51 |
| |
| 作者姓名： | 岑鹏 郑德生 陆超 |
| |
| 作者单位： | 1.西南石油大学计算机科学学院网络空间安全研究中心;2.中国航发四川燃气涡轮研究院高空模拟技术重点实验室 |
| |
| 摘 要： | 为保护航空发动机数据集包含的众多敏感数据，将差分隐私技术融入卷积神经网络中，提出一种具有差分隐私的卷积神经网络故障检测模型(DP-CNN模型)。阐述了卷积神经网络和差分隐私技术的基本理论和计算步骤，采用差分隐私随机梯度算法更新神经网络参数以建立DP-CNN模型。运用DP-CNN模型对航空发动机喘振故障进行检测，并与其他故障检测模型(支持向量机，长短时记忆网络，多层感知器)的检测结果进行对比。结果表明，DP-CNN模型在准确率、召回率以及f1-sc ore上都更高，分别达到了95.3%、94.6%和96.5%。
|
| 关 键 词： | 航空发动机 喘振 卷积神经网络 差分隐私 故障检测 |
Aero-engine surge fault detection based on differential privacy |
| |
| Abstract: | |
| |
| Keywords: | |
|
