基于Bi-GRU模型的航空发动机外部液压管路故障诊断研究

摘要：

针对航空液压管路故障信号含有噪声干扰导致管路故障识别困难的问题,提出一种基于双向门控循环单元(Bi-GRU)的深度学习液压管路故障诊断方法.由Bi-GRU神经网络模型综合液压管路数据进行时序特征提取,基于同一含噪声的液压管路振动实测数据,输入到Bi-GRU、GRU、RNN、SVM、BPNN等5种故障诊断模型中进行训练.最后,为了进一步展示Bi-GRU模型对于航空液压管路不同故障类型特征的学习能力,利用t-SNE降维算法进行液压管路特征可视化.结果表明:基于Bi-GRU航空故障诊断方法能达到99.60％的准确性,明显优于GRU等其他4种神经网络模型,Bi-GRU模型在含有噪声的液压管路数据上具备更出色的特征提取能力,可有效地提取出液压管路故障数据特征,从而实现了.液压管路故障的智能化识别.

关键词：故障诊断、液压管路、深度学习、Bi-GRU模型

所属期刊栏目：51

分类号：TH165+.3

在线出版日期：2023-08-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：224-232