一种基于DBN-DTL的航空发动机气路故障诊断方法技术

本发明专利技术涉及一种基于DBN

【技术实现步骤摘要】
一种基于DBN
‑
DTL的航空发动机气路故障诊断方法


[0001]本专利技术是一种基于DBN
‑
DTL的航空发动机气路故障诊断方法，属于航空发动机


技术介绍

[0002]航空发动机被称为飞机的“心脏”，其运行时的安全性与稳定性将会直接影响到飞机的安全性。发动机故障在飞机故障中所占比例甚大，故而解决发动机故障是保证飞行安全的首要任务。
[0003]深度信念网络(Deep Belief Network，DBN)是Hinton于2006年提出的一种深度神经网络，具有良好的特征提取以及处理复杂数据的能力，预测精度高。De
‑
long FENG等人提出了基于信息熵IE
‑
DBN的深度信念网络，解决了在复杂环境下使用有限传感数据进行发动机故障诊断的问题。Xu等人提出了一种基于深度信念网络(DBN)的燃气轮机气路故障诊断方案，故障诊断准确率高达96.59％。
[0004]然而，上述基于深度信念网络的故障诊断模型虽然能够用于故障诊断，但需要大量的有标签样本来训练神本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于DBN
‑
DTL的航空发动机气路故障诊断方法，其特征在于包括以下步骤：(1)在全飞行包线内划分区域，采集航空发动机不同工作点的正常数据和故障数据，故障样本数量充足且标签完整的工作点作为源域，故障样本数量较少且标签缺失的工作点作为目标域；(2)将源域数据和目标域数据归一化预处理，将归一化后的数据集划分为训练集和测试集：全部的源域数据和部分目标域数据作为训练集，剩余的目标域数据作为测试集；(3)将训练集输入基于DBN
‑
DTL的故障诊断模型中训练模型，模型的损失函数中加入表征源域数据集与目标域数据集距离的函数，使训练好的模型既可以用于源域数据的故障诊断，又可以对目标域数据进行故障诊断。2.根据权利要求1所述的一种基于DBN
‑
DTL的航空发动机气路故障诊断方法，其特征是所述步骤(1)中，所述全飞行包线的划分方法为：飞机的飞行包线，是指以飞机的飞行参数如飞行高度、飞行马赫数、偏离标准温度作为坐标，表示飞机飞行范围和飞机使用限制条件的封闭几何图形，将飞行包线划分为若干个矩形子区域，横坐标代表飞行速度、单位为马赫数，纵坐标代表飞行高度、单位为英尺，航空发动机工作于区域内时，其工作点用标称点作为代表；源域数据集带有标签，目标域数据集没有标签，且源域数据集与目标域数据集的数据比例为10:1。3.根据权利要求1所述的一种基于DBN
‑
DTL的航空发动机气路故障诊断方法，其特征是所述步骤(1)中，故障样本的选取参数包括风扇效率、高压压气机效率以及高压涡轮效率的变化，气路故障数据的分类如下表所示：小故障中故障大故障FAN效率1
‑
0.980.98
‑
0.950.95以下HPC效率1
‑
0.980.98
‑
0.950.95以下HPT效率1
‑
0.980.98
‑
0.950.95以下4.根据权利要求1所述的一种基于DBN
‑
DTL的航空发动机气路故障诊断方法，其特征是所述步骤(2)中，所述归一化预处理为：根据公式(1)对采集到的数据进行处理，将数值缩放至[0,1]区间：其中，x
min
是数据的最小值，x
max
是数据的最大值，x是未归一化的数据，x*是归一化后的数据，归一化处理后，各输入数据均变为0
‑
1之间的无量纲数。5.根据权利要求1所述的一种基于DBN
‑
DTL的航空发动机气路故障诊断方法，其特征是所述步骤(2)中，所述训练集由全部的源域数据集和50％的目标域数据集构成，测试集由50％的目标域数据集构成。6.根据权利要求1所述的一种基于DBN
‑
DTL的航空发动机气路故障诊断方法，其特征是所述步骤(3)包括以下具体步骤：1)将训练集数据输入到...

【专利技术属性】
技术研发人员：徐建国，杨可，胥嘉诚，刘星怡，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：