【技术实现步骤摘要】
本专利技术属于航空领域飞机关键部件电静液作动器智能故障诊断领域，涉及结合卷积神经网络、长短时记忆网络、注意力机制的基于数据驱动的故障诊断方法及系统，具体为一种飞机电静液作动器机械部件故障诊断方法。
技术介绍
1、电静液作动器是飞机实现操纵面和起落架主动控制的关键部件，保证其正常运行是飞机健康管理的关键一环。受使用年限和工作条件的影响，电静液作动器中的各部件会不可避免地发生退化，最终导致故障发生，在退化过程中对电静液作动器的部件做出健康状态和故障程度的评估至关重要。过往的故障诊断一般利用故障树、卡尔曼滤波、专家系统等方法，只能在电静液作动器某个部件的特定故障发生时做出判断，难以分辨具体故障类型、确定故障位置和故障严重程度的大小。
2、随着人工智能的发展，基于数据驱动和深度学习的智能故障诊断方法受到广泛关注。深度学习需要大量数据训练模型，且需要有足够的故障标签样本，但实际情况往往无法满足样本需求，且存在各种变化噪声的干扰，导致故障诊断模型的准确度难以保证。
3、针对电静液作动器故障诊断，相关专利检索情况如下：
...【技术保护点】
1.一种飞机电静液作动器机械部件故障诊断方法，其特征在于，故障诊断流程为：
2.根据权利要求1所述的飞机电静液作动器机械部件故障诊断方法，其特征在于，仿真模型分为伺服控制部分和液压系统部分；所述的伺服控制部分电机模型为无刷直流电机，所述的液压系统部分模型为变排量定转速的电液位置伺服系统。
3.根据权利要求1所述的飞机电静液作动器机械部件故障诊断方法，其特征在于，电静液作动器的故障类型包括：
4.根据权利要求1所述的飞机电静液作动器机械部件故障诊断方法，其特征在于，对测试数据进行归一化，包括：
5.根据权利要求1所述的飞机...
【技术特征摘要】
1.一种飞机电静液作动器机械部件故障诊断方法，其特征在于，故障诊断流程为：
2.根据权利要求1所述的飞机电静液作动器机械部件故障诊断方法，其特征在于，仿真模型分为伺服控制部分和液压系统部分；所述的伺服控制部分电机模型为无刷直流电机，所述的液压系统部分模型为变排量定转速的电液位置伺服系统。
3.根据权利要求1所述的飞机电静液作动器机械部件故障诊断方法，其特征在于，电静液作动器的故障类型包括：
4.根据权利要求1所述的飞机电静液作动器机械部件故障诊断方法，其特征在于，对测试数据进行归一化，包括：
5.根据权利要求1所述的飞机电静液作动器机械部件故障诊断方法，其特征在于，对测试数据进行添加噪声处理，包括：
6.根据权利要求1所述的飞机电静液作动器机械部件故障诊断方法，其特征在于，所述的故障诊断模型包括：数据预处理、特征提取、特征加权与融合、分类器；
7.根据权利要求6所述的飞机电静液作动器机械部件故障诊断方法，其特征在于，所...
【专利技术属性】
技术研发人员：张磊磊，杨锋，张朵，韩金辰，贾涛，米铁，陈智海，王强，张盼龙，
申请(专利权)人：中航西安飞机工业集团股份有限公司，
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。