基于深度信念网络的航空发动机气路故障诊断技术研究

• 作者: 刘星怡 徐建国 林嘉琦
• 来源期刊: 机械制造与自动化
• 学科: 航空航天
• 关键词: 航空发动机 气路部件 深度信念网络 故障诊断
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 电气与自动化
• 页码范围: 179-182
• 页数: 4页
• 分类号: V231
• 字数: 4126字
• 语种: 中文
• DOI: 10.19344/j.cnki.issn1671-5276.2019.05.047

摘要

针对传统的航空发动机故障诊断方法正确率较低,并且对异常数据不敏感的问题,将智能诊断算法引入航空发动机气路故障诊断领域.以涡轴发动机为例,分析了常见气路部件故障类型的成因和表现,并在Tensorflow上建立基于深度信念网络的故障诊断模型.与传统的故障诊断方法相比,具有更高的故障诊断正确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐建国	南京航空航天大学能源与动力学院	15	52	4.0	7.0
2	林嘉琦	南京航空航天大学能源与动力学院	1	0	0.0	0.0
3	刘星怡	南京航空航天大学能源与动力学院	1	0	0.0	0.0