航空发动机信号采集处理及故障检测方法研究
日期:2023.05.31 点击数:6
【类型】期刊
【刊名】内燃机与配件
【关键词】 集成学习,滚动轴承,特征提取,机器学习,故障诊断,旋转机械
【摘要】近年来,随着现代航空发动机信号数据越来越庞大,以往基于信号处理的传统故障诊断方法已经逐步无法满足航空设备“大数据”时代的故障检测要求,在故障检测领域,以人工智能为代表的计算机技术得到了越来越多的应用。本文将机器学习应用于发动机旋转机械故障诊断,提出了一种基于集成学习的深度神经网络模型(Ensemble learning Deep Neural Network, EDNN)。该模型利用堆栈泛化的方式分别学习数据在时域、频域、时频域上的深层特征进行综合诊断。经实验验证,EDNN模型在噪声环境、变载环境下的平均准确率分别达到了98%和97%,具有比SVM、1D-CNN、DBN等模型更强的抗噪与变负载适应性能力。
【年份】2023
【作者单位】航空工业西安航空计算技术研究所;
【期号】07
【页码】68-70
相关文章
- 1、基于特征提取的航空发动机滚动轴承故障诊断 作者:周卓峰,刘伟,喻鸣, 年份:2023
- 2、基于特征提取的航空发动机滚动轴承故障诊断 作者:周卓峰,刘伟,喻鸣, 年份:2023
- 3、基于机器学习的终端区进场航空器预计到达时间预测 作者:顾明昕 年份:2021
- 4、基于多特征提取和Stacking集成学习的航空发动机余寿预测 作者:张一鸣,刘晓锋, 年份:2022
- 5、SAR图像飞机检测技术研究 作者:王鑫辉 年份:2020
- 6、基于机器学习的多电飞机电子系统线缆布局设计方法研究 作者:杨旭 年份:2021