| 基于深度学习的航空发动机故障融合诊断 |
| |
| 作者姓名： | 车畅畅 王华伟 倪晓梅 洪骥宇 |
| |
| 作者单位： | 南京航空航天大学民航学院, 南京 210016 |
| |
| 基金项目： | 国家自然科学基金(71401073),民航联合研究基金(U1233115)National Natural Science Foundation of China(71401073),Joint Research Foundation for Civil Aviation(U1233115) |
| |
| 摘 要： | 通过对航空发动机故障诊断,能够正确判断各部件工作状态,快速确定维修方案,保证飞行安全。在结合深度信念网络和决策融合算法的基础上,提出了基于深度学习的航空发动机故障融合诊断模型。该模型通过分析发动机的大量性能参数,先利用深度学习模型提取出性能参数中的隐藏特征,得出故障分类置信度;其后对多次故障分类结果进行决策融合,从而得出更准确的诊断结果。将普惠JT9D发动机故障系数用于数据仿真,通过算例验证本文算法的有效性;算例计算结果表明:多次实验结果经数据融合提高了可信度,该模型具有较高的故障分类诊断准确性和抗干扰能力。
|
| 关 键 词： | 深度学习 故障诊断 决策融合 抗干扰能力 航空发动机 |
| 收稿时间： | 2017-04-05 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《北京航空航天大学学报》浏览原始摘要信息 |
|
点击此处可从《北京航空航天大学学报》下载免费的PDF全文 |
|
