基于工况识别与自训练时空图卷积的航空发动机气路故障诊断

日期:2024.12.17 点击数:0

【类型】期刊

【作者】张世杰  胡家文  苗国磊 

【刊名】推进技术

【关键词】 航空发动机,燃气轮机仿真程序,运行工况,气路故障诊断,自训练

【摘要】航空发动机气路故障模式和运行工况多样,且相互耦合作用,使得同一故障模式在不同运行工况下表现特征存在差异性,增加了气路故障诊断的难度。提出一种基于多层感知器(MLP)工况识别与自训练时空图卷积网络(ST-GCN)模型的航空发动机气路故障诊断方法,利用高度、马赫数、燃油流量及高低压转子转速构建MLP对运行工况进行识别。利用发动机各截面状态监测参数构建图邻接矩阵,构建自训练ST-GCN半监督模型对相应工况下的故障模式进行诊断,采用自适应粒子群优化算法(APSO)对模型超参数进行寻优。采用燃气轮机仿真程序(GSP)生成发动机在动态工况下的状态监测数据,对提出方法的有效性进行验证。结果表明,先进行工况识别,再开展故障诊断,相较于忽略工况直接进行诊断,能够获得更高的故障诊断准确率,达到98.93%。

【年份】2024

【作者单位】电子科技大学航空航天学院;成都航利(集团)实业有限公司;

【期号】11

【页码】251-260

3 0
Rss订阅