基于1DCNN?BiLSTM的航空發(fā)動機故障分類研究

打開文本圖片集

摘  要： 隨著航空發(fā)動機運行狀態(tài)的變化，其故障模式也會發(fā)生變化。針對航空發(fā)動機的運行退化趨勢，提出一種基于1DCNN?BiLSTM的航空發(fā)動機故障分類模型。該模型可以直接用于原始監(jiān)測數(shù)據(jù)，不需要其他算法提取故障退化特征，并且能充分利用1DCNN提取時間維度局部特征的優(yōu)勢，以及BiLSTM處理非線性時間序列及利用雙向上下文信息的特點，最后連接全連接層來學習雙向時序依賴的特征信息，并使用softmax函數(shù)來診斷故障類別。（剩余12218字）