多源数据融合的航空发动机轴承智能故障诊断

来源：计算机集成制造系统杂志2025年第11期北京时间：

作者：刘涵, 刘勤明, 叶春明, 汪宇杰

单位：1.上海理工大学管理学院2.上海理工大学智慧应急管理学院

摘要：为应对航空发动机轴承在极端复杂工况下的故障诊断需求,提出了一种新的航空发动机轴承高精度智能故障诊断方法。首先,构建了具有一维自适应归一化卷积神经网络模块和一维物理特性指导的卷积神经网络模块的双通道伪孪生神经网络,有效应对多源传感器数据的融合问题,提取关键特征并实现多源数据的高效融合。其次,采用星雀优化算法优化门控循环单元模块进行故障状态识别,提高了模型的自适应性、鲁棒性及泛化能力,特别是在复杂工况和噪声环境下。最后,通过算例验证模型的有效性,提出方法的故障诊断准确率分别达到99.99%、100%和100%,与现有几种诊断方法对比,所提方法的识别准确率最高提高了23.97%,展现出明显的性能优势。此外,进行了泛化能力验证实验与噪声对抗实验,结果表明了其优越的抗噪声能力和强大的泛化性能。

关键词：多源传感器数据,故障诊断,伪孪生神经网络,星雀优化算法,门控循环单元

基金资助：国家自然科学基金资助项目（71632008,71840003）;上海市2021度“科技创新行动计划”宝山转型发展科技专项资助项目（21SQBS01404）;上海理工大学科技发展资助项目（2020KJFZ038）。