基于ResNet-LSTM的航空发动机性能异常检测方法 |
| |
引用本文: | 蔡舒妤,殷航,史涛,范杰.基于ResNet-LSTM的航空发动机性能异常检测方法[J].航空发动机,2024,50(1):135-142. |
| |
作者姓名: | 蔡舒妤 殷航 史涛 范杰 |
| |
作者单位: | 1.中国民航大学 航空工程学院,天津 300300; 2.中国南方航空股份有限公司 河南分公司,郑州 450000 |
| |
摘 要: | 为了实现数据驱动的航空发动机性能异常的智能检测,提出了一种基于残差网络(ResNet)-长短期记忆网络(LSTM)的发动机性能异常检测方法。采用发动机性能数据图像化方法,在数据降维的同时,完备保留数据的关联特征和时序特征;以残差单元构建发动机性能异常检测模型,在加深网络结构的同时,消除深层网络梯度消失问题,提高发动机性能图像空间关联特征的提取能力。同时,引入LSTM,提出基于ResNet-LSTM的发动机性能异常检测模型,通过ResNet与LSTM的融合,强化异常检测模型对时序特征的提取,提升发动机性能异常检测的准确率;通过发动机运行数据进行验证。结果表明:在训练集上,该方法的异常检测准确率为94.95%,比基于ResNet18、ResNet34、ResNet50异常检测模型的分别提高10.87%、8.00%、3.23%;在测试集上,该方法的异常检测准确率为92.15%,比基于ResNet18、ResNet34、ResNet50异常检测模型的分别提高11.81%、9.45%、3.78%。
|
关 键 词: | 异常检测 残差网络 长短期记忆网络 航空发动机 |
Aero-Engine Performance Anomaly Detection Method Based on ResNet-LSTM |
| |
Authors: | CAI Shu-yu YIN Hang SHI Tao FAN Jie |
| |
Abstract: | |
| |
Keywords: | |
|
| 点击此处可从《航空发动机》浏览原始摘要信息 |
| 点击此处可从《航空发动机》下载免费的PDF全文 |