公开(公告)号：CN113607205B

公开(公告)日：2023-09-19

申请号：CN202110881387.6

申请日：2021-08-02

Applicant: 中国民航大学

Inventor： 王雷 ,  裴紫焱 ,  鲁统超 ,  马乐乐 ,  孙震宇

IPC: G01D18/00 ,  G06F18/214 ,  G06N3/0442 ,  G06N3/0464

Abstract: 一种航空发动机传感器故障检测方法及装置。方法包括采集快速访问记录器数据；利用高斯混合模型划分数据；训练CNN‑LSTM混合模型；利用上CNN‑LSTM混合模型进行特征提取与故障识别；显示识别结果和故障信息等步骤。本发明融合高斯混合模型、CNN模型与LSTM模型，可实现对航空发动机传感器故障的精准检测。通过高斯混合模型聚类划分飞行阶段后，模型训练时的收敛速度与最终的检测精度都有明显提升。将CNN‑LSTM混合模型与传统的单一CNN模型、LSTM模型进行对比，本发明的CNN‑LSTM混合模型对QAR数据具有较强的特征提取能力，极大地方便了飞机驾驶员和机务维修人员对航空发动机传感器的故障诊断。

公开(公告)号：CN113607205A

公开(公告)日：2021-11-05

申请号：CN202110881387.6

申请日：2021-08-02

Applicant: 中国民航大学

Inventor： 王雷 ,  裴紫焱 ,  鲁统超 ,  马乐乐 ,  孙震宇

IPC: G01D18/00 ,  G06K9/62 ,  G06N3/04

Abstract: 一种航空发动机传感器故障检测方法及装置。方法包括采集快速访问记录器数据；利用高斯混合模型划分数据；训练CNN‑LSTM混合模型；利用上CNN‑LSTM混合模型进行特征提取与故障识别；显示识别结果和故障信息等步骤。本发明融合高斯混合模型、CNN模型与LSTM模型，可实现对航空发动机传感器故障的精准检测。通过高斯混合模型聚类划分飞行阶段后，模型训练时的收敛速度与最终的检测精度都有明显提升。将CNN‑LSTM混合模型与传统的单一CNN模型、LSTM模型进行对比，本发明的CNN‑LSTM混合模型对QAR数据具有较强的特征提取能力，极大地方便了飞机驾驶员和机务维修人员对航空发动机传感器的故障诊断。