基于GSA-SAE的航空发动机故障诊断方法（英文）

作者：崔建国^*; 田艳; 崔霄; 唐晓初; 王景霖; 蒋丽英; 于明月

来源：Transactions of Nanjing University of Aeronautics & Astronautics, 2020, 37(05): 750-757.

DOI：10.16356/j.1005-1120.2020.05.009

• 航空发动机
• 故障诊断
• 引力搜索方法优化算法
• SAE网络

航空发动机的健康状态对飞机的飞行安全至关重要,而航空发动机实际工作时常常由于其结构复杂、工作环境恶劣等因素难以对健康状态进行有效的故障诊断。本文提出了一种基于引力搜索方法(Gravitational search algorithm,GSA)和堆栈自动编码器(Stack autoencoder,SAE)的航空发动机故障诊断方法,并对某型涡扇航空发动机进行了故障诊断技术研究。首先,对获取的某型涡扇航空发动机进口空气总温、高压转子转速、低压转子转速、涡轮落压比、高压压气机进口空气总温和高压压气机出口空气压力等17个参数的数据进行预处理,创建SAE故障诊断模型架构。为解决SAE网络各隐含层神经元数目需要人为设置而导致不能获得最佳诊断效果问题,提出了采用GSA优化算法对SAE网络进行优化,寻找并获取最佳SAE网络各隐含层神经元个数。在此基础上,创建基于GSA-SAE的最优航空发动机故障诊断模型,并由获取的航空发动机相关参数数据对创建的最优GSA-SAE故障诊断模型的有效性进行了试验验证。结果表明,本文提出的基于GSA-SAE的航空发动机故障诊断方法能够有效地解决SAE网络各隐层神经元数目由于依靠人为设置而导致故障诊断效果不佳的问题,避免了人为因素的干扰与影响,具有良好的故障诊断效能。GSA-SAE模型的故障诊断准确率高达98.222%,优于SAE、广义回归神经网络(General regression neural network,GRNN)和反向传播(Back propagation,BP)诊断模型的故障诊断准确率。

• 单位
  沈阳航空航天大学; 自动化学院