公开(公告)号：CN118013380A

公开(公告)日：2024-05-10

申请号：CN202410091451.4

申请日：2024-01-23

Applicant: 大连理工大学

Inventor： 孙希明 ,  李文娅 ,  汪锐 ,  徐昌一 ,  张子曼 ,  陈竞立 ,  戴嘉美

IPC: G06F18/2411 ,  G06N3/0464 ,  G06F18/214 ,  G06F18/211 ,  G06F18/25 ,  G06F18/213

Abstract: 本发明属于航空发动机气路系统故障诊断领域，公开了一种新型决策加强式一维卷积神经网络的航空发动机气路故障诊断方法，包括以下步骤：使用机理模型通过注入故障生成故障诊断原始数据；使用方差分析方法对气路参数进行特征选择，选择在各种故障中表现出明显差异的参数，建立故障诊断数据集；构建基于决策加强式1DCNN的故障诊断模型，使用训练数据集进行模型训练得到最终模型；在测试数据集上评价最终模型的诊断效果。本发明的方法通过对多尺度特征的决策融合，提高了1DCNN模型的全局特征提取能力，有效的提高了模型的诊断精度。

公开(公告)号：CN119598262A

公开(公告)日：2025-03-11

申请号：CN202411736037.0

申请日：2024-11-29

Applicant: 大连理工大学

Inventor： 徐昌一 ,  张子曼 ,  孙希明 ,  费中阳 ,  赵颖 ,  汪锐 ,  张超 ,  史纯坤 ,  王禹舒 ,  吴玉虎

IPC: G06F18/24 ,  G06F18/214 ,  G06N3/045 ,  G06N3/0464 ,  G06F18/22 ,  G06F18/213 ,  G06F18/15 ,  G01M15/14

Abstract: 本发明提供一种代理注意力增强扩散的航空发动机小样本故障诊断方法，属于航空发动机气路故障诊断技术领域。本发明在DDIM的基础上添加代理注意力，使其能够加速样本生成并显着提高样本生成质量，而无需任何额外的训练。预处理后的少量采集的传感器信号数据输入代理注意力增强的去噪扩散隐式模型中进行数据增强，生成高质量的样本数据，以弥补原始数据集的不足，提升模型在稀缺数据情况下的性能表现；将扩充的数据集用作训练集，原始数据集用作测试集进行模型训练，在训练完成后用测试集对模型的性能和准确性进行测试，建立最终的航空发动机障诊断模型。本发明解决了故障诊断中数据不足的问题，提升了模型的准确性与鲁棒性。