基于深度学习的航空发动机故障融合诊断

• 作者: 倪晓梅 洪骥宇 王华伟 车畅畅
• 来源期刊: 北京航空航天大学学报
• 学科: 工学
• 关键词: 深度学习 故障诊断 决策融合 抗干扰能力 航空发动机
• 年，卷（期）: 2018,（3）
• 页码范围: 621-628
• 页数: 8页
• 分类号: V263.6|TK418
• 字数: 6347字
• 语种: 中文
• DOI: 10.13700/j.bh.1001-5965.2017.0197

摘要

通过对航空发动机故障诊断,能够正确判断各部件工作状态,快速确定维修方案,保证飞行安全.在结合深度信念网络和决策融合算法的基础上,提出了基于深度学习的航空发动机故障融合诊断模型.该模型通过分析发动机的大量性能参数,先利用深度学习模型提取出性能参数中的隐藏特征,得出故障分类置信度;其后对多次故障分类结果进行决策融合,从而得出更准确的诊断结果.将普惠JT9D发动机故障系数用于数据仿真,通过算例验证本文算法的有效性;算例计算结果表明:多次实验结果经数据融合提高了可信度,该模型具有较高的故障分类诊断准确性和抗干扰能力.

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	倪晓梅	南京航空航天大学民航学院	7	47	3.0	6.0
3	洪骥宇	南京航空航天大学民航学院	4	46	3.0	4.0
4	车畅畅	南京航空航天大学民航学院	6	40	2.0	6.0