基于CNN-BES-ELM的航空发动机气路故障诊断研究

来源：电子测量技术杂志2024年第13期北京时间：

作者：戴郎杰，蔡开龙，王阿久，黄菲

单位：1.南昌航空大学飞行器工程学院 南昌 330063; 2.南昌航空大学通航学院 南昌 330063

摘要：针对航空发动机运行过程中出现的气路故障问题，提出了一种基于卷积神经网络(CNN)结合秃鹰搜索算法(BES)优化极限学习机(ELM)的航空发动机气路故障诊断模型。通过CNN对航空发动机气路数据进行学习并提取出隐藏在数据中的故障特征，引入BES算法对ELM的权重和偏置进行寻优，使用优化后的ELM对CNN所提取的抽象特征进行分类，从而达到故障诊断的目的。实验结果表明，基于CNN-BES-ELM的模型其平均准确率达到了97.80%，较CNN-ELM、CNN和ELM等方法分别提高了2.7%、5.4%和7.35%，较常用的深度学习模型如深度置信网络(DBN)和堆叠自编码器(SAE)，其准确率分别提高了5.4%和3.4%；并且在随机噪声、高斯噪声和椒盐噪声等噪声环境下仍保有90%以上的准确率，整体表现出良好的诊断性能、泛化能力和抗噪能力，为其在航空发动机气路故障诊断中的实际应用提供了理论依据。

关键词：航空发动机;故障诊断;卷积神经网络;秃鹰搜索算法;极限学习机

基金资助：江西省双千计划(jxsq2018106057)项目资助