双向LSTM模型在航空发动机气路故障诊断的应用

作者：刘利军; 雷宇; 余臻

来源：航天控制, 2020, 38(05): 67-72.

DOI：10.16804/j.cnki.issn1006-3242.2020.05.011

• 航空发动机
• 故障诊断
• 双向LSTM
• BRNN
• 深度学习

针对航空发动机风扇、低压压气机、高压压气机、低压涡轮和高压涡轮等5大气路部件的多种性能衰退故障,提出了一种基于双向长短时记忆(BiLSTM)神经网络的航空发动机气路部件故障诊断模型。从加入了发动机真实飞行噪声的T-MATS发动机模型中采集发动机部件性能衰退数据,双向LSTM故障诊断模型可以精确定位发动机气路部件故障的部位和类别,并与深度神经网络(DNN)模型,双向循环神经网络(BRNN)模型和长短时记忆(LSTM)神经网络模型等进行了对比。实验结果显示:双向LSTM模型故障诊断的准确率为94.58%,优于DNN模型、BRNN模型和LSTM模型的故障诊断准确率。实验结果充分表明了双向LSTM模型在航空发动机故障诊断方面的优越性。

• 单位
  厦门大学; 航天学院; 厦门大学深圳研究院