基于改进ZF网络的航空发动机叶片损伤检测

作者：邢志伟; 李龙浦; 侯翔开; 施亚中; 王浩

来源：中国民航大学学报, 2021, 39(03): 22-28.

• 发动机叶片
• Faster R-CNN
• ZF网络
• 损伤检测

为实现航空发动机叶片损伤的准确检测,提出一种基于更快区域卷积神经网络(Faster R-CNN, Faster region-based convolutional neural network)模型的ZF(Zeiler-Fergus)网络改进方法。首先,将航空发动机叶片损伤检测抽象为目标检测问题,并针对该问题利用ZF网络进行损伤位置及类型检测;其次,根据检测效果对原始ZF网络进行增加卷积层操作,并调整卷积层卷积核尺寸及池化层步长等超参数,将增加的卷积层纳入共享卷积层以提取更加细致的损伤特征;最后,将已有数据集分为3组子数据集,通过实验分别对比每组子数据集改进前后的ZF网络性能。仿真结果表明:改进ZF网络较原始ZF网络平均精度均值最高可提高5.5%,证实了改进ZF网络能更加精准地预测发动机叶片损伤。

• 单位
  中国民航大学; 北京飞机维修工程有限公司; 自动化学院