【技术实现步骤摘要】
一种飞机发动机故障检测方法和系统
[0001]本专利技术涉及飞机故障检测
，特别涉及一种飞机发动机故障检测方法和系统
技术介绍
[0002]随着国内外航空市场的快速发展，飞机已经成为现代社会最为重要的一种交通工具，飞机的安全飞行对于保证旅客生命财产安全、减少飞行事故和促进民航企业发展等方面都有着十分重要的现实意义。而航空发动机作为飞机运行的主要动力装置，因其工作环境较为苛刻，长时间在高温、高压和强腐蚀的环境下运行，极易发生故障，从而对飞机的健康安全造成威胁，因此对飞机发动机进行准确的故障诊断十分必要，保证发动机稳定可靠的工作是飞机安全运行的关键。
[0003]目前发动机故障诊断方法主要是使用人工智能算法，例如支持向量机、专家系统、神经网络、长短期记忆网络等。支持向量机在解决多分类问题时存在困难；专家系统虽然具有较强的可解释性，但是过分依赖过往经验且学习能力较差，限制了其在飞机发动机故障诊断中的应用；神经网络虽然可以有效的处理分类问题，但易出现梯度消失和梯度爆炸；LSTM网络虽然改善了神经网络的梯度问题，但对输入...
【技术保护点】
【技术特征摘要】
1.一种飞机发动机故障检测方法，其特征在于，所述方法包括如下步骤：获取飞机发动机性能参数，构建飞机发动机性能参数样本集；建立双向长短期记忆网络模型，根据所述飞机发动机性能参数确定所述双向长短期记忆网络模型的输入层和输出层，并训练所述双向长短期记忆网络模型；获取所述长短期记忆网络模型参数建立遗传个体和种群，根据遗传算法将种群中个体进行交叉、变异和复制中的至少一种；将所述种群多次迭代后计算每一个体的适应度，选取最高的适应度的长短期记忆网络模型参数对应的飞机发动机故障检测结果作为最终结果。2.根据权利要求1所述的一种飞机发动机故障检测方法，其特征在于，在所述飞机发动机性能参数的构建过程中，包括对样本参数进行归一化处理，所述归一化处理的变换公式为：其中x
i
表示第i个数据，x
min
表示数据中的最小值，x
max
表示数据中的最大值。3.根据权利要求1所述的一种飞机发动机故障检测方法，其特征在于，所述双向长短期记忆网络模型包括：输入层、Bi
‑
LSTM层、全连接层、softmax层、分类输出层，其中Bi
‑
LSTM层由两层LSTM反向组合而成，而LSTM层包含了多个LSTM单元，LSTM单元的状态激活函数为tanh，门激活函数为sigmoid。4.根据权利要求1所述的一种飞机发动机故障检测方法，其特征在于，在所述双向长短期记忆网络模型训练过程中采用分类交叉熵作为损失函数，并采用Adam优化算法调整所述长短期记忆网络模型的权重。5.根据权利要求1所述的一...
【专利技术属性】
技术研发人员：刘东升，吴玉婷，黄锴健，洪德衍，陈亚辉，刘彦妮，
申请(专利权)人：浙江工商大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。