[发明专利]基于DBN的多维时序信息驱动航空发动机故障诊断方法在审
| 申请号： | 201910615101.2 | 申请日： | 2019-07-09 |
| 公开（公告）号： | CN110285976A | 公开（公告）日： | 2019-09-27 |
| 发明（设计）人： | 钟诗胜;张永健;付旭云;李旭 | 申请（专利权）人： | 哈尔滨工业大学（威海） |
| 主分类号： | G01M15/05 | 分类号： | G01M15/05 |
| 代理公司： | 北京格允知识产权代理有限公司 11609 | 代理人： | 周娇娇 |
| 地址： | 264209*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于DBN的多维时序信息驱动航空发动机气路故障诊断方法，包括：收集航空发动机ACARS数据；归一化处理，利用小波包变换方法提取参数内时序信息，利用动态时间归整方法提取参数间相关信息；将参数内时序信息与参数间相关信息向量化，转化为一维向量；训练故障诊断模型，故障诊断模型先利用DBN对输入的一维向量进行深度特征提取，再利用SVM基于深度特征提取结果进行故障诊断；利用训练好的故障诊断模型对测试集提取得到的发动机样本特征进行故障识别；统计故障诊断模型的故障识别结果，并进行评价；利用保存的故障诊断模型对航空发动机ACARS数据进行故障识别，得到诊断结果。该方法可以充分利用数据的多维时序信息，有效处理数据高维特征。 | ||
| 搜索关键词： | 故障诊断模型 航空发动机 多维时序信息 故障识别 方法提取 故障诊断 深度特征 时序信息 相关信息 一维向量 动态时间归整 气路故障诊断 归一化处理 小波包变换 驱动 样本特征 有效处理 诊断结果 测试集 向量化 再利用 高维 发动机 保存 转化 统计 | ||
【主权项】：
1.一种基于DBN的多维时序信息驱动航空发动机气路故障诊断方法，其特征在于，包括如下步骤：S1、收集航空发动机ACARS数据，构建发动机样本数据集，并进行训练集与测试集的划分；S2、对所述训练集与所述测试集的数据进行归一化处理，利用小波包变换方法提取发动机样本参数内时序信息，利用动态时间归整方法提取发动机样本参数间相关信息；S3、将所述参数内时序信息与所述参数间相关信息向量化，转化为一维向量，作为发动机样本特征；S4、利用所述训练集提取得到的发动机样本特征训练故障诊断模型，所述故障诊断模型先利用深度置信网络对输入的一维向量进行深度特征提取，再利用支持向量机基于深度特征提取结果进行故障诊断；S5、利用训练好的所述故障诊断模型对所述测试集提取得到的发动机样本特征进行故障识别；S6、统计所述故障诊断模型的故障识别结果，并进行评价；若评价结果为合格，则保存当前的故障诊断模型，若不合格，则返回步骤S1；S7、获取航空发动机ACARS数据，利用保存的故障诊断模型进行故障识别，得到诊断结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于哈尔滨工业大学（威海），未经哈尔滨工业大学（威海）许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910615101.2/，转载请声明来源钻瓜专利网。
