[发明专利]航空发动机故障预测方法在审
| 申请号： | 201910957204.7 | 申请日： | 2019-10-10 |
| 公开（公告）号： | CN110702418A | 公开（公告）日： | 2020-01-17 |
| 发明（设计）人： | 黄刚;艾腾腾;许政 | 申请（专利权）人： | 山东超越数控电子股份有限公司 |
| 主分类号： | G01M15/14 | 分类号： | G01M15/14;G01M15/12;G01H17/00;G06N3/04;G06N3/08 |
| 代理公司： | 37100 济南信达专利事务所有限公司 | 代理人： | 程佩玉 |
| 地址： | 250100 山东省*** | 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： | 本发明实施例公开一种航空发动机故障预测方法，包括：收集发动机记录系统中的参数数据获取发动机振动信号，基于所述参数数据确定训练数据集和测试数据；使用python平台构造LSTM神经网络模型，根据所述训练数据集及所述LSTM神经网络，确定信号边际谱；使用python平台构造BP神经网络模型，使用边际谱特征训练集训练BP神经网络，获取训练收敛后的BP神经网络参数并存储；根据训练完成的BP神经网络模型预测航空发动机故障。从而实现对航空发动机故障进行预测。 | ||
| 搜索关键词： | 航空发动机 训练数据集 参数数据 平台构造 神经网络模型 发动机振动 测试数据 故障预测 记录系统 神经网络 特征训练 训练收敛 预测 发动机 存储 | ||
【主权项】：
1.一种航空发动机故障预测方法，其特征在于，包括：/n收集发动机记录系统中的参数数据获取发动机振动信号，基于所述参数数据确定训练数据集；/n使用python平台构造LSTM神经网络模型，根据所述训练数据集及所述LSTM神经网络，确定信号边际谱；/n使用python平台构造BP神经网络模型，使用所述边际谱特征训练集训练BP神经网络，获取训练收敛后的BP神经网络参数并存储；/n根据训练完成的BP神经网络模型预测航空发动机故障。/n
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山东超越数控电子股份有限公司，未经山东超越数控电子股份有限公司许可，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/201910957204.7/，转载请声明来源钻瓜专利网。
