基于改进DRSN的航空发动机故障风险预警模型

航空发动机属于多发性故障机械,运用先进的计算训练方法可有效地实现准确的风险预警分析,为发动机的运维指导提供参考。在发动机故障风险预警征兆数据集中提取多变量时间序列样本,将样本矩阵化,转换为灰度图样本。预处理并增强图像数据样本,热编码化序列样本标签。深度残差收缩网络（deep residual shrinkage network,DRSN）中融入深度注意力机制与带有阈值的残差收缩块,获取高判别性特征,实现软阈值化。结合长短时记忆神经网络层与多个隐层,改进DRSN模型,使用主成分分析重构特征与主元提取,累积可解释方差贡献率为93.7%。对潜在20种故障征兆识别、分类并预警,训练精确度为96.1%。提出了改进DRSN航空发动机故障风险预警模型,与其他算法相比有较强的鲁棒性,预警正确率至少提高4.4%。