基于改进DBNs的三维叶尖间隙叶片裂纹诊断方法

摘要：

针对航空发动机结构复杂、干扰因素多、叶片裂纹特征提取困难及难以精确诊断等问题,提出一种基于改进深度信念网络(deep belief networks,简称DBNs)的三维叶尖间隙叶片裂纹特征提取与诊断方法.首先,根据DBNs重构误差的传递规律,通过全局反向重构(global back-reconstruction,简称GBR)机制构建一种能自适应调节深度的DBNs,以避免深层特征退化导致的特征表征能力不足的问题;其次,利用改进DBNs从叶片三维叶尖间隙中自适应学习深层裂纹特征;最后,采用Softmax回归模型建立深层特征与叶片裂纹间的复杂映射,实现叶片裂纹精确诊断.叶片裂纹诊断试验结果表明:所提方法能有效提取叶片裂纹特征,平均诊断精度达到98.43％,标准差仅为0.092％,具有较好的稳定性和泛化能力,能有效实现叶片裂纹诊断.

关键词：航空发动机叶片、三维叶尖间隙、深度信念网络、特征提取、故障诊断

所属期刊栏目：42

分类号：U226.8+1;V232.4;TH17(电气化铁路)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2022-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：213-219