【技术实现步骤摘要】
本专利技术涉及航空发动机故障诊断，尤其涉及一种基于多模态融合的航空发动机叶片故障诊断方法及系统。
技术介绍
1、航空发动机叶片是航空发动机的重要组成部分，其服役过程受大扰动、强冲击等因素影响，随着叶片运行时间的不断增长会发生不可避免的性能退化，一旦因叶片性能退化产生故障，将会威胁飞机的安全运行。信息技术的快速发展大大提升了航空发动机叶片健康管理的能力。其中，叶片故障诊断是实现航空发动机健康管理的重要环节，对于保障发动机安全、可靠运行至关重要。
2、近年来，随着信息融合技术和深度学习的飞速发展，许多研究人员使用具有端到端、高效等特点的深度学习模型。基于深度学习的航空发动机叶片故障诊断方法对叶片原始监测数据进行特征提取，然后通过分类器对故障模型进行识别，最终输出诊断结果。该方法具有强大的泛化能力。然而，现有基于深度学习的航空发动叶片故障诊断方法大多是单个传感器获得的数据作为模型的训练数据，但单个传感器获得的信息具有局限性，不能够保证叶片诊断结果的鲁棒性和准确性。
技术实现思路
1、...
【技术保护点】
1.一种基于多模态融合的航空发动机叶片故障诊断方法，其特征在于，方法步骤包括：
2.根据权利要求1所述的方法，其特征在于，所述步骤S1中，获取用于故障诊断的航空发动叶片的多模态感知数据，所述多模态感知数据包括：航空发动叶片的原始文本数据、振动数据和图像数据，包括：
3.根据权利要求2所述的方法，其特征在于，所述步骤S2中，对获得的所述多模态感知数据分别进行归一化处理，包括：
4.根据权利要求3所述的方法，其特征在于，所述步骤S3中，通过一维卷积分别对归一化之后的所述多模态感知数据进行初步的特征提取，获得初步特征，包括：
...
【技术特征摘要】
1.一种基于多模态融合的航空发动机叶片故障诊断方法，其特征在于，方法步骤包括：
2.根据权利要求1所述的方法，其特征在于，所述步骤s1中，获取用于故障诊断的航空发动叶片的多模态感知数据，所述多模态感知数据包括：航空发动叶片的原始文本数据、振动数据和图像数据，包括：
3.根据权利要求2所述的方法，其特征在于，所述步骤s2中，对获得的所述多模态感知数据分别进行归一化处理，包括：
4.根据权利要求3所述的方法，其特征在于，所述步骤s3中，通过一维卷积分别对归一化之后的所述多模态感知数据进行初步的特征提取，获得初步特征，包括：
5.根据权利要求4所述的方法，其特征在于，所述步骤s4中，将所述初步特征送入多模态特征融合网络进行特征的融合，包括：
6.根据权利要求5所述的方法，其特征在于，所述将通...
【专利技术属性】
技术研发人员：何斌，杨振坤，李刚，陆萍，朱忠拳，程斌，
申请(专利权)人：同济大学，
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。