基于卷积神经网络的发动机气路故障诊断方法

• 作者: 元尼东珠 房红征 杨浩 罗亚锋
• 来源期刊: 计算机测量与控制
• 关键词: 无故障诊断 深度学习 卷积神经网络(CNN) 深度神经网络(DNN) 发动机 气路
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 测试与故障诊断
• 页码范围: 14-19
• 页数: 6页
• 分类号: TP182|V228
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2019.12.004

摘要

深度学习是一种新的基于特征表示的机器学习方法;深度学习模型包含多个隐藏层,可以通过对输入数据进行自动学习来获取隐藏的功能层中的特征信息;与传统的诊断方法相比,深度学习具备从原始信息中提取更丰富的特征的能力,因此已经成为基于机器学习的故障诊断研究的新方向,为发动机气路等复杂系统故障诊断带来了新思路;结合发动机气路试验数据的特点与深度学习的优势,提出基于卷积神经网络的故障诊断方法,包括预处理、模型训练及优化等过程,并实现了复杂系统故障诊断预测算法平台;经某发动机气路试验仿真数据实例验证,提出的方法具有较好的可行性和效果,能够充分利用深度学习的优点,更准确地识别发动机气路的健康状况.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	房红征		13	97	6.0	9.0
4	元尼东珠	青海民族大学计算机学院	11	7	2.0	2.0
11	罗亚锋		1	0	0.0	0.0