[发明专利]一种基于CNN的航空发动机故障诊断方法

权利要求书

1.一种基于CNN的航空发动机故障诊断方法，其特征在于，包括以下步骤：

步骤一、收集航空发动机发生故障时的运行数据，对故障类别进行分类并打标签构建数据集，将数据集进行切分形成训练集和测试集；

步骤二、对训练集的数据进行预处理，完成数据清洗，采用min-max归一化对数据进行去量纲；

步骤三、构建多分类模型，多分类模型包含浅层的卷积层以及池化层，以及分类器的融合；

步骤四、将采样的气路参数作为输入，经过卷积，池化后和输出层之后，将输出值输送给分类器，优化交叉熵损失函数，然后继续训练；

步骤五、经过多次迭代计算至预设次数，即得到训练后的模型；

步骤六、将测试集进行同样的数据预处理，进行测试；

步骤七、将发动机的运行数据实时输入训练后的模型得到发动机出现故障时的诊断结果。

2.根据权利要求1所述的一种基于CNN的航空发动机故障诊断方法，其特征在于，所述步骤一中，将数据集中包含有空值或者异常值的数据进去去除，剔除干扰数据；然后对数据的切分保证训练集、测试集的分布一致；其中80％的数据作为训练集和20％的数据作为测试集。

3.根据权利要求1所述的一种基于CNN的航空发动机故障诊断方法，其特征在于，所述步骤二包括如下步骤：

2.1对发动机参数进行统计，整理出各发动机参数的实用数据，得到统计结果；素数实用数据包括实际范围区间和出现频率；发动机参数包括扭矩、涡轮间温度、低压涡轮压气机转速、高压涡轮压气机转速、螺旋桨转速、高压压气机出口压力、燃油流量、起飞高度、飞行速度马赫数和飞行高度；

2.2根据统计结果利用箱线图原理，统计出离群点或脏数据；

2.3剔除离群点或脏数据，得到数据集；

2.4对数据集中的数据进行归一化处理；

2.5对数据进行离差标准化处理，将原始的数据进行线性的变换，使得结果映射到[0，1]之间，转换函数如下所示：

其中x^*表示归一化之后的数据，x表示归一化之前的数据，max为样本数据的最大值，min为样本数据的最小值；

2.6将归一化之后的数据集进一步进行整理，形成发动机参数矩阵：

其中，故障label表示故障类型，X₀^m表示0时刻时第m个变量的状态值，n表示第n个时刻。