[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

说明书

本发明涉及一种基于神经网络算法的航空发动机状态诊断方法，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。本发明提供的诊断方法，能够通过复杂的深度神经网络模拟航空发动机的健康状况与各个侦测参数之间的数学模型，从而精确诊断当前航空发动机所处的健康等级和概率。

技术领域

本发明属于航空发动机故障诊断技术领域，尤其涉及一种基于神经网络算法的航空发动机状态诊断方法。

背景技术

航空发动机是一个极为复杂的系统，甚至其内部的各个子系统也具备较高的复杂程度。当前技术，我们很难使用一个标准的数学模型描述航空发动机的整个运行过程，包括航空发动机各个子系统的运行健康状态。

发明内容

(一)要解决的技术问题

针对现有存在的技术问题，本发明提供一种基于神经网络算法的航空发动机状态诊断方法，能够通过复杂的深度神经网络模拟航空发动机的健康状况与各个侦测参数之间的数学模型，从而精确诊断当前航空发动机所处的健康等级和概率。

(二)技术方案

为了达到上述目的，本发明采用的主要技术方案包括：

一种基于神经网络算法的航空发动机状态诊断方法，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。

优选地，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。

优选地，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)}。

优选地，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：

优选地，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。

优选地，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。