基于深度信念网络的民航发动机状态监测

• 作者: 吴晓舟 吴瑀倩 李静 王华伟
• 来源期刊: 计算机测量与控制
• 关键词: 发动机状态 深度学习理论 大数据处理
• 年，卷（期）: 2017,（7）
• 所属期刊栏目: 测试与故障诊断
• 页码范围: 28-31
• 页数: 4页
• 分类号: V267
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2017.07.007

摘要

民航飞机发动机设备构造精密、复杂,其监测系统收集的数据中蕴含了丰富的故障信息;传统发动机状态诊断依靠数据统计分析和机器学习模型,但其在深入理解与归类信号特性方面的表现难以尽如人意;此外近年兴起了多层神经网络降维算法——深度学习理论,其通过模拟人脑分析过程建立由浅入深的算法模型,数据处理效果较好;将民航发动机自身特点与深度学习理论有机结合提出了基于深度信念网络发动机状态监测方法;其优势在于克服了传统方法人工提取数据特征的不确定性与状态分类陷入局部最优的缺陷,可对发动机参数进行自主学习与特征提取;实验结果表明该算法具有出色的特征提取能力与分类准确率,能够准确识别发动机的不同状态.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王华伟	南京航空航天大学民航学院	72	603	14.0	21.0
2	李静	南京航空航天大学民航学院	38	133	7.0	9.0
3	吴瑀倩	南京航空航天大学民航学院	1	10	1.0	1.0
4	吴晓舟	南京航空航天大学民航学院	1	10	1.0	1.0