CN113962264B 一种基于深度学习的航空发动机转子系统故障诊断方法 （南京航空航天大学）_第1页
CN113962264B 一种基于深度学习的航空发动机转子系统故障诊断方法 （南京航空航天大学）_第2页
CN113962264B 一种基于深度学习的航空发动机转子系统故障诊断方法 （南京航空航天大学）_第3页
CN113962264B 一种基于深度学习的航空发动机转子系统故障诊断方法 （南京航空航天大学）_第4页
CN113962264B 一种基于深度学习的航空发动机转子系统故障诊断方法 （南京航空航天大学）_第5页
已阅读5页，还剩12页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

道29号南京航空航天大学将军路校区FaultDiagnosisMethodBasedDeepResidualShrinkageNetwork.《一种基于深度学习的航空发动机转子系统本发明公开了一种基于深度学习的航空发计了一种基于深度学习的航空发动机转子系统2步骤1)通过振动信号数据采集系统，采集不同故障下)]T步骤4)将归一化后得到的样本进行随机划分，70％步骤5)设置Pytorch下的新型深度残差收缩网络故障诊断模型，并使用训练集进行故步骤5.1)输入样本经过第一个卷积层后，通过ReLU激活函数进入到第二个卷积层中，每个注意力权重参数作用在对应特征通道的s分别为渐进半软阈值处理前后的样本数据；步骤6)将训练集输入到训练好的深度残差收缩网络模型中，识别测试样本的故障类3[0002]航空发动机作为航空器的核心部件，承担了为航空器提干扰的背景下从原始数据中提取出有效的故障特征是故障诊首层卷积层设为宽卷积核，使用渐进半软阈值函数算法作为网络的收缩层实现数据降噪，4)]T[0016]步骤5)设置Pytorch下的新型深度残差收缩网络故障诊断模型，并使用训练集进[0021](1)本发明引入滑动窗口算法实现对原始数据的重复截取采样，使数据样本得到[0022](2)本发明将神经网络模型中的首层卷积层设为宽卷积核，宽卷积核可以有效提[0023](3)本发明提出了新型深度残差收缩网络模型，该模型使用渐进半软阈值收缩函5[0024]本发明所提方法作为一种基于深度学习的航空发动机转[0031]图1是基于深度学习的航空发动机转子系统的故障诊断流程图，包括如下具体步)]T[0041]步骤5)设置Pytorch下的新型深度残差收缩网络故障诊断模型，并使用训练集进6[0051]步骤5.5)深度残差收缩网络的整体7分类和错误分类数量，实现对诊断模型的性能评估，图5为本发明故障诊断算法的混淆矩8

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论