| 基于工况识别与自训练时空图卷积的航空发动机气路故障诊断 |
| |
| 引用本文： | 张世杰, 胡家文, 苗国磊. 基于工况识别与自训练时空图卷积的航空发动机气路故障诊断[J]. 推进技术, 2024, 45(11). doi: 10.13675/j.cnki.tjjs.2401036 |
| |
| 作者姓名： | 张世杰 胡家文 苗国磊 |
| |
| 作者单位： | 1. 电子科技大学 航空航天学院,四川 成都 611731;; 2. 成都航利(集团)实业有限公司,四川 彭州 611936 |
| |
| 摘 要： | 航空发动机气路故障模式和运行工况多样,且相互耦合作用,使得同一故障模式在不同运行工况下表现特征存在差异性,增加了气路故障诊断的难度.提出一种基于多层感知器(MLP)工况识别与自训练时空图卷积网络(ST-GCN)模型的航空发动机气路故障诊断方法,利用高度、马赫数、燃油流量及高低压转子转速构建MLP对运行工况进行识别.利用发动机各截面状态监测参数构建图邻接矩阵,构建自训练ST-GCN半监督模型对相应工况下的故障模式进行诊断,采用自适应粒子群优化算法(APSO)对模型超参数进行寻优.采用燃气轮机仿真程序(GSP)生成发动机在动态工况下的状态监测数据,对提出方法的有效性进行验证.结果表明,先进行工况识别,再开展故障诊断,相较于忽略工况直接进行诊断,能够获得更高的故障诊断准确率,达到98.93%.
|
| 关 键 词： | 航空发动机 气路故障诊断 运行工况 自训练 燃气轮机仿真程序 |
|
| 点击此处可从《推进技术》浏览原始摘要信息 |
|
点击此处可从《推进技术》下载全文 |
|
