[发明专利]一种基于神经网络算法的航空发动机状态诊断方法

权利要求书

1.一种基于神经网络算法的航空发动机状态诊断方法，其特征在于，包括如下步骤：

获取目标物传感数据；

将获取到的目标物传感数据输入神经网络模型；

神经网络模型根据输入的传感数据，输出目标物的健康等级和与健康等级相对应的概率；

所述目标物包括但不限于航空发动机整体、航空发动机的防喘控制系统和气路部件中的任一种；

所述神经网络模型包括：输入层、隐层和输出层；

所述输入层与目标物传感器数据匹配；

所述隐层数量由传感数据维度决定；

所述隐层数量与传感维度的关系为相等；

所述输出层为各个健康状况等级及相应的概率；

在将获取到的目标物传感数据输入神经网络模型之前，还包括建立神经网络模型，并对建立的神经网络模型进行训练；

目标物传感数据为Z，健康等级和概率为S，则训练集合为{(Z₁，S₁)，(Z₂，S₂)，……，(Z_i，S_i)，……，(Z_T，S_T)}；

所述神经网络模型的每个神经元的损失函数均使采用simoid函数；

所述simoid函数的表达式为：

2.根据权利要求1所述的诊断方法，其特征在于，所述神经网络的输出层采用softmax函数；

所述softmax函数的表达式为：

其中S_i表示第i个健康状态，a_i指输出层上一个隐层第i个神经元的输出。

3.根据权利要求2所述的诊断方法，其特征在于，

所述神经网络模型的隐层至少包括两层，即第一层和最后一层；

所述神经网络模型的隐层中最后一层的神经元数目与输出层的健康等级数目相同。

4.根据权利要求3所述的诊断方法，其特征在于，

所述神经网络模型的隐层中除最后一层外，每层的神经元数量与输入层Z的数量相等。

5.根据权利要求4所述的诊断方法，其特征在于，所述神经网络模型为采用深度神经网络算法建立的模型。