基于改进DBNs的三维叶尖间隙叶片裂纹诊断方法

作者：黄鑫; 张小栋; 张英杰; 熊逸伟; 刘洪成; 祝珂

来源：振动.测试与诊断, 2022, 42(02): 213-402.

DOI：10.16450/j.cnki.issn.1004-6801.2022.02.002

• 航空发动机叶片
• 三维叶尖间隙
• 深度信念网络
• 特征提取
• 故障诊断

针对航空发动机结构复杂、干扰因素多、叶片裂纹特征提取困难及难以精确诊断等问题，提出一种基于改进深度信念网络（deep belief networks，简称DBNs）的三维叶尖间隙叶片裂纹特征提取与诊断方法。首先，根据DBNs重构误差的传递规律，通过全局反向重构（global back-reconstruction，简称GBR）机制构建一种能自适应调节深度的DBNs，以避免深层特征退化导致的特征表征能力不足的问题；其次，利用改进DBNs从叶片三维叶尖间隙中自适应学习深层裂纹特征；最后，采用Softmax回归模型建立深层特征与叶片裂纹间的复杂映射，实现叶片裂纹精确诊断。叶片裂纹诊断试验结果表明：所提方法能有效提取叶片裂纹特征，平均诊断精度达到98.43%，标准差仅为0.092%，具有较好的稳定性和泛化能力，能有效实现叶片裂纹诊断。

• 单位
  西安交通大学