一种数据驱动的涡轴发动机气路故障诊断研究

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。

关键词

涡轴发动机 / 数据驱动 / 性能退化 / 故障诊断 / 人工神经网络