改进降噪自编码的航空发动机气路故障诊断

论文摘要

为提高故障诊断准确度,针对航空发动机气路故障中状态参数非线性强且易受噪声污染的问题,提出一种改进降噪自编码的航空发动机气路诊断方法。该方法在降噪自编码器(denoising autoencoder,简称DAE)基础上,采用改进萤火虫算法(firefly algorithm,简称FA)优化的径向基(radial basis function,简称RBF)神经网络,进行航空发动机故障诊断,DAE能够提取出更利于故障诊断的深层鲁棒特征。为了进一步提高算法的诊断准确度,引入惯性权重与自适应光强因子的改进FA来优化RBF网络从而得到萤火虫径向基(firefly radial basis function,简称FRBF)网络,再将DAE提取的特征导入其中进行故障诊断。通过实例,将提出方法与原始DAE、单独的FRBF、支持向量机(support vector machine,简称SVM)和RBF这4种算法进行对比,结果表明,所提出方法诊断精度最高,达到98.1%,且算法性能稳定,鲁棒性也优于其他几种方法。

论文目录

• 引言
• 1 航空发动机气路故障诊断问题
• 2 航空发动机气路故障诊断方法设计
•   2.1 气路故障诊断算法框架及流程
•   2.2 DAE
•     2.2.1 自编码器
•     2.2.2 贪婪逐层训练算法
•     2.2.3 加躁训练环节
•   2.3 FRBF网络
•     2.3.1 RBF神经网络
•     2.3.2 萤火虫优化算法
•     2.3.3 改进的萤火虫算法
•     2.3.4 基于萤火虫优化算法的FRBF
• 3 基于降噪自编码和FRBF的航空发动机气路故障算法
• 4 实例分析
• 5 结论

文章来源

类型: 期刊论文

作者: 洪骥宇,王华伟,车畅畅,倪晓梅

关键词: 航空发动机,故障诊断,降噪自编码,萤火虫算法,径向基网络

来源: 振动.测试与诊断 2019年03期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 航空航天科学与工程

单位: 南京航空航天大学民航学院

基金: 国家自然科学基金资助项目(71401073),国家自然科学基金与中国民航局联合资助项目(U1233115),江苏省研究生培养创新工程资助项目(SJZZ16_0060)

分类号: V263.6

DOI: 10.16450/j.cnki.issn.1004-6801.2019.03.022

页码: 603-610+675

总页数: 9

文件大小: 591K

下载量: 315