描述:
故障检测作为航空发动机健康管理的主要内容之一,是保证航空发动机的安全性、可靠性和经济性的重要手段。针对发动机发生概率最大的气路部件故障,提出了一种长短期记忆神经网络(Long Short Term Memory, LSTM)和自编码器(Auto-Encoder, AE)结合的故障检测方法,利用T-MATS(The Toolbox for the Modeling and Analysis of Thermodynamic Systems)热力学仿真软件包中的航空发动机模型,进行仿真实验,仿真了单一和混合故障以及不同故障程度的数据样本,用健康数据样本训练构建故障检测模型,故障数据样本进行模型测试,根据核密度估计和箱型图结合的方法确定统计量和控制限,从而进行故障检测。实验结果表明了所提方法的可行性和有效性,具有一定的工程应用价值,与传统自编码器方法检测结果进行对比,LSTM自编码器的故障检测率提高最高达20%。