基于深度学习的航空发动机传感器故障检测

• 作者: 刘云龙 谢寿生 边涛 郑晓飞
• 来源期刊: 传感器与微系统
• 学科: 工学
• 关键词: 航空发动机传感器 故障检测 深度学习 深度置信网络 飞参数据
• 年，卷（期）: 2017,（9）
• 所属期刊栏目: 计算与测试
• 页码范围: 147-150
• 页数: 4页
• 分类号: TP212
• 字数: 3614字
• 语种: 中文
• DOI: 10.13873/J.1000-9787(2017)09-0147-04

摘要

针对传统反向传播(BP)神经网络和支持向量机(SVM)存在的过拟合、维数灾难、参数选择困难等问题,提出了一种基于深度学习算法的航空发动机传感器故障检测方法.对发动机参数记录仪采集的多维数据进行预处理,建立基于深度置信网络(DBN)的故障检测模型,利用预处理后的数据对检测模型进行训练,经过DBN故障检测模型逐层特征学习实现了传感器故障检测.仿真结果表明:在无人工特征提取和人工特征提取的情况下,基于DBN故障检测的准确率均高于BP神经网络和SVM模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢寿生	空军工程大学航空航天工程学院	156	1456	20.0	28.0
2	郑晓飞	空军工程大学航空航天工程学院	4	32	3.0	4.0
3	刘云龙	空军工程大学航空航天工程学院	5	22	3.0	4.0
4	边涛	空军工程大学航空航天工程学院	4	21	3.0	4.0