【技术实现步骤摘要】
本申请的实施例涉及航空发动机故障诊断，特别涉及一种基于数据驱动融合物理机理的域对抗迁移学习诊断方法。
技术介绍
1、航空发动机具有比较宽的飞行包线，任务剖面复杂，工作条件经常处于变化状态，传感器测量的特征量与发动机工作状态有明确的相关性。在诊断过程中，收集足够的历史数据用于训练具有挑战性，通过建立具有较高保真的发动机模型来产生仿真数据可有效缓解这一问题。但是，发动机建模的复杂度较高，其输出量与发动机实际测得的参数可能存在信息差距，以至于诊断模型在训练过程中学习到错误的特征信息，给诊断工作带来障碍。
2、为了应对这一挑战，基于模型和数据混合驱动的思想被引入航空发动机故障诊断
基于模型的方法是目前成熟度最高的故障诊断方法，该方法的优点在于能够表达发动机的动态耦合关系，可靠度和可解释性较高，缺点是发动机建模的复杂度很高并且容易受到不确定性的影响。数据驱动方法的优点在于可以利用数学算法和训练样本直接描述自变量和因变量之间的关系，并不需要对系统的确切物理性质进行显式编程，灵活性较高，缺点是深度学习模型具有黑盒性质，且对训练模型...
【技术保护点】
1.一种基于数据驱动融合物理机理的域对抗迁移学习诊断方法，适用于航空发动机的控制系统的故障诊断，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于数据驱动融合物理机理的域对抗迁移学习诊断方法，其特征在于，获取航空发动机的控制系统在不同工况下的多个传感器的数据，整理构成样本数据集，包括：
3.根据权利要求1所述的一种基于数据驱动融合物理机理的域对抗迁移学习诊断方法，其特征在于，物理虚拟数据融合生成器的训练与鉴别器配合进行，物理虚拟数据融合生成器与鉴别器，构成生成对抗网络，物理虚拟数据融合生成器由三个具有线性修正单元激活函数的反卷积层和一...
【技术特征摘要】
1.一种基于数据驱动融合物理机理的域对抗迁移学习诊断方法，适用于航空发动机的控制系统的故障诊断，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于数据驱动融合物理机理的域对抗迁移学习诊断方法，其特征在于，获取航空发动机的控制系统在不同工况下的多个传感器的数据，整理构成样本数据集，包括：
3.根据权利要求1所述的一种基于数据驱动融合物理机理的域对抗迁移学习诊断方法，其特征在于，物理虚拟数据融合生成器的训练与鉴别器配合进行，物理虚拟数据融合生成器与鉴别器，构成生成对抗网络，物理虚拟数据融合生成器由三个具有线性修正单元激活函数的反卷积层和一个具有tanh激活函数的反卷积层组成，鉴别器由四个带有leakyrelu激活函数的卷积层和一个带有sigmoid函数的全连接层组成，物理虚拟数据融合生成器将仿真数据作为输入样本，鉴别器将实测数据视为真实样本；
4.根据权利要求1所述的一种基于数据驱动融合物理机理的域对抗迁移学习诊断方法，其特征在于，在利用综合数据集对故障识别模型进行基于域对抗的迁移学习时，指定源域和目标域，，输入至故障识别模型的数据样本包括源域数据样本与其对应的标签，以及目标域故障数据样本，源域数据样本的数量远大于目标域故障数据样本...
【专利技术属性】
技术研发人员：陈映雪，迟浩然，孔祥兴，缑林峰，
申请(专利权)人：西北工业大学，
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。