航空发动机在多个操作条件下具有不同的故障模式。针对现有航空发动机数据集的故障模式和数据特点，本文在多工况下提出了一种基于一维卷积神经网络的航空发动机故障模式分类方法。该方法无需其他特征提取算法，可直接用于原始数据。首先通过一维卷积神经网络从原始数据中提取局部特征。然后全连接层通过学习这些特征表示来分类故障类别。最后，将其他分类模型与本文模型进行对比。实验结果表明，一维卷积神经网络具有较好的分类精度，降低了网络模型的训练时间，对提高航空发动机运行可靠性有一定的实用价值。
科研之友
微信
新浪微博
Facebook
分享链接
