【技术实现步骤摘要】
本专利技术涉及航空发动机自动控制，尤其涉及一种有限不平衡数据下航空发动机气路数字孪生故障诊断方法。
技术介绍
1、航空发动机故障检测是保障飞行安全的重要手段，近年来，以深度学习为代表的智能故障诊断技术迅速崛起，因其诊断迅速且准确率高而备受关注。深度学习模型通过不同的算法在数据中提取包含反映机器健康状态的特征，之后对这些特征进行区分，实现故障诊断。
2、传统的深度学习模型如递归神经网络rnn、自动编码器ae、残差神经网络resnet等算法被广泛研究，应用至航空发动机气路系统故障检测上，以提升气路系统故障诊断的准确性，确保飞行安全。然而，实际训练过程中，传统的深度学习模型需要依赖大量数据来提取区分性强的故障相关特征，这虽然提高了诊断的准确率，但获取所需的大规模数据集往往具有挑战性。尽管有一些开源数据集可供参考，但鉴于每年都有新型号的航空发动机问世，无法仅因为一种新型号的推出就对其进行各种人为故障实验来收集数据。
3、此外，目前大多数研究基于数据同分布的假设，但是实际中收集的数据不可能是数据量完全相同且处于同一分布的，...
【技术保护点】
1.一种有限不平衡数据下航空发动机气路数字孪生故障诊断方法，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的一种有限不平衡数据下航空发动机气路数字孪生故障诊断方法，其特征在于，S3中构建的所述数据驱动模型包括依次连接的一维卷积神经网络模块、领域分布自适应模块以及重加权/正则化模块；
3.根据权利要求2所述的一种有限不平衡数据下航空发动机气路数字孪生故障诊断方法，其特征在于，所述S1具体包括以下步骤：
4.根据权利要求3所述的一种有限不平衡数据下航空发动机气路数字孪生故障诊断方法，其特征在于，S3中所述一维卷积神经网络模块，包...
【技术特征摘要】
1.一种有限不平衡数据下航空发动机气路数字孪生故障诊断方法，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的一种有限不平衡数据下航空发动机气路数字孪生故障诊断方法，其特征在于，s3中构建的所述数据驱动模型包括依次连接的一维卷积神经网络模块、领域分布自适应模块以及重加权/正则化模块；
3.根据权利要求2所述的一种有限不平衡数据下航空发动机气路数字孪生故障诊断方法，其特征在于，所述s1具体包括以下步骤：
4.根据权利要求3所述的一种有限不平衡数据下航空发动机气路数字孪生故障诊断方法，其特征在于，s3中所述一维卷积神经网络模块，包括输入层、若干依次连接...
【专利技术属性】
技术研发人员：赵颖，唐茹意，李莉莉，徐昌一，张超，
申请(专利权)人：大连海事大学，
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。