基于融合卷积Transformer的航空发动机故障诊断

【类型】期刊

【作者】赵洪利 杨佳强  

【刊名】北京航空航天大学学报

【关键词】 自注意力机制,航空发动机,故障诊断,深度神经网络,融合卷积Transformer

【摘要】航空发动机长期处于恶劣的气路环境下工作会面临腐蚀、侵蚀等问题，且故障参数特征不明显，因此精准的航空发动机故障诊断方法对保证飞机安全运行具有重要意义。为提高预测准确性，提出了一种基于融合卷积Transformer的航空发动机故障诊断方法，利用自注意力机制提取有用特征，抑制冗余信息，并且将最大池化层（MaxPool）引入Transformer模型中，进一步降低模型内存消耗以及参数量，缓解过拟合现象。以基于GasTurb建模的涡扇发动机仿真数据集进行验证，结果与Transformer网络和其他传统深度学习模型反向传播神经网络（Back Propagation Neural Networks， BP网络）、卷积神经网络（Convolutional Neural Networks， CNN）和循环神经网络（Recurrent Neural Network， RNN）相比，准确率分别提高了6.552%、28.117%、13.189%和10.29%，证明了本文方法的有效性，可为航空发动机故障诊断提供一定的参考。

【年份】2023

【作者单位】中国民航大学航空工程学院;

【页码】14