【技术实现步骤摘要】
一种航空发动机工作状态识别方法
[0001]本专利技术涉及状态识别
，尤其涉及一种航空发动机工作状态识别方法。
技术介绍
[0002]航空发动机工作状态识别是航空发动机故障诊断中十分关键的一步。在不同的工作状态下，航空发动机有着不同的故障特点，某些故障仅发生在一些特定的工作状态下。因此准确识别航空发动机工作状态有助于更好的对故障进行判定和定位。当前对航空发动机工作状态识别的研究多集中在对稳态的识别上，如慢车、节流、最大等工作状态，整体识别准确率在98％左右，识别准确率较高。其基本思路是利用支持向量机、决策树或其他传统的机器学习算法，通过采用转速、油门杆、排气温度等发动机工作参数作为输入，首先人为识别航空发动机工作状态建立样本作为训练数据和预测数据，从而建立模型并对模型性能进行评判。
[0003]但是仍然存在以下问题，
[0004]1.当前识别方法难以准确识别航空发动机过渡工作状态，特别是对于军用航空发动机而言，军用飞机由于任务特点，状态变换频繁，因此，过渡态占有很大的比重。而为了更好地实现故障诊断，有必...
【技术保护点】
【技术特征摘要】
1.一种航空发动机工作状态识别方法，其特征在于，包含以下步骤：S1、数据采集：采集航空发动机一个或多个架次数据，提取飞参数据，得到转速、排气温度、油门杆角度，供油量占空比信号、高低压导叶角度、尾喷口面积，对得到的参数进行滤波处理，滤除数据中的坏点，并得到滤波后的转速、油门杆角度以及尾喷管面积参数的多个时间步的变化量作为输入特征；S2、模型构建，搭建多尺度卷积神经网络
‑
双向长短时记忆神经网络模型，并导入输入数据，建立模型；S3、模型保存，搭建好模型并导入输入数据后，对模型进行训练，当损失低于阈值或连续10次迭代不下降，模型训练结束，保存当前模型；S4、模型评价，将建立好的测试数据导入模型中，对训练好的已保存模型进行评价；S5、模型应用，将要识别的飞参数据，导入模型中，识别其工作状态。2.根据权利要求1所述的一种航空发动机工作状态识别方法，其特征在于，在步骤S2中，利用多尺度卷积神经网络提取数据的多尺度特征，利用双向长短时记忆神经网络提取数据的时序特征，...
【专利技术属性】
技术研发人员：彭靖波，郑劲松，王玮轩，李帅国，
申请(专利权)人：中国人民解放军空军工程大学，
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。