一种数据驱动的涡轴发动机气路故障诊断研究

谌昱; 程龙; 杨波

重庆理工大学学报（自然科学版） ›› 2026, Vol. 40 ›› Issue (1) : 185 -192.

谌昱, 程龙, 杨波

作者信息 +

Author information +

文章历史 +

摘要

为提高涡轴发动机气路故障诊断的精度，保证直升机/发动机系统安全可靠运行，提出了一种基于数据驱动的涡轴发动机气路故障诊断方法。首先从飞行数据中抽取发动机数据，针对数据的强时序性，使用长短期记忆网络(long short-term memory, LSTM)建立发动机参数预测模型；其次，通过LSTM参数预测值与发动机参数测量值做差生成残差特征空间，放大退化前后发动机气路参数特征变化；最后，针对残差特征空间的高维度和高复杂度，使用深度神经网络(deep neural networks, DNN)建立退化估计模型进行故障诊断。仿真结果表明，相较于直接使用测量数据，基于LSTM-DNN网络的残差特征空间能够大幅提升故障诊断准确率和退化识别性能。