基于小波去噪和卷积神经网络的发动机爆震识别

作者：胡春明; 刘铮; 刘娜; 宋玺娟; 杜春媛

来源：航空动力学报, 2022, 1-9.

DOI：10.13224/j.cnki.jasp.20220414

• 爆震识别
• 活塞式航空煤油发动机
• 小波分析
• 小波去噪
• 深度学习
• 卷积神经网络

在活塞式航空煤油发动机上进行爆震试验研究，首先使用小波去噪对发动机缸压信号进行噪声提取，然后对0～45°曲轴转角内的噪声信号进行快速傅里叶变换将一维时域噪声信号展开成二维时频域特征图，最后将特征图输入到训练好的卷积神经网络（Convolutional Neural Networks， CNN）中进行爆震识别。验证结果表明：轻微和严重爆震都会在10°～30°CA内产生幅值较大噪声信号，与无爆震循环的时频域特征图有明显区别；在爆震特征提取上小波去噪要优于带通滤波，在爆震特征识别上CNN方法要优于SVM（Support Vector Machine， SVM）方法；小波去噪和CNN结合的爆震识别方法对发动机四种不同运行工况的爆震识别准确率都能达到91%以上；小波去噪+CNN方法对爆震循环的查准率为83.16%，查全率高达98.79%，能够准确的识别出发动机的爆震循环。

• 单位
  天津大学