基于CNN-MSLSTM的航空发动机滑油监测方法研究

• 作者: 马敏 王涛
• 来源期刊: 计量学报
• 学科: 工学
• 关键词: 计量学 滑油监测 磨损状态 航空发动机 电容层析成像 卷积神经网络 长短期记忆
• 年，卷（期）: 2021,（2）
• 页码范围: 232-238
• 页数: 7页
• 分类号: TB973|TG115.28
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1158.2021.02.16

摘要

针对传统的数据特征提取方法难以提取ECT滑油监测数据有效特征的缺陷,提出了一种基于卷积神经网络(convolutional neural network,CNN)和多尺度长短期记忆(multi-scales long short-term memory,MSLSTM)神经网络的双通道网络模型CNN-MSLSTM.将多尺度学习融入LSTM中,CNN和MSLSTM作为两个通道,并行学习数据在空间维度和时间维度的特征,通过注意力机制融合,利用softmax分类器输出发动机的磨损状态.实验结果表明:3尺度的CNN-MSLSTM对ECT数据样本的分类准确率达到98％,F1评分达到98.62％,单组数据的测量时间仅为0.2036 ms,总体性能优于单一的CNN和LSTM网络.