基于CNN-MSLSTM的航空发动机滑油监测方法研究

作者：马敏; 王涛

来源：计量学报, 2021, 42(02): 232-238.

• 计量学
• 滑油监测
• 磨损状态
• 航空发动机
• 电容层析成像
• 卷积神经网络
• 长短期记忆

针对传统的数据特征提取方法难以提取ECT滑油监测数据有效特征的缺陷,提出了一种基于卷积神经网络(convolutional neural network,CNN)和多尺度长短期记忆(multi-scales long short-term memory,MSLSTM)神经网络的双通道网络模型CNN-MSLSTM。将多尺度学习融入LSTM中,CNN和MSLSTM作为两个通道,并行学习数据在空间维度和时间维度的特征,通过注意力机制融合,利用softmax分类器输出发动机的磨损状态。实验结果表明:3尺度的CNN-MSLSTM对ECT数据样本的分类准确率达到98%,F1评分达到98.62%,单组数据的测量时间仅为0.2036 ms,总体性能优于单一的CNN和LSTM网络。

• 单位
  中国民航大学; 自动化学院