CN109580230A - 一种基于bp神经网络的发动机故障诊断方法及装置 - Google Patents
一种基于bp神经网络的发动机故障诊断方法及装置 Download PDFInfo
- Publication number
- CN109580230A CN109580230A CN201811510220.3A CN201811510220A CN109580230A CN 109580230 A CN109580230 A CN 109580230A CN 201811510220 A CN201811510220 A CN 201811510220A CN 109580230 A CN109580230 A CN 109580230A
- Authority
- CN
- China
- Prior art keywords
- engine
- neural network
- matrix
- failure
- diagnosis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M15/00—Testing of engines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提供一种基于BP神经网络的发动机故障诊断方法,所述方法包括以下步骤:根据引发故障的发动机参数数据,训练BP神经网络;向所述BP神经网络输入发动机特征参数实时数据或历史数据矩阵;通过所述BP神经网络进行发动机故障诊断,并得到结果矩阵;根据所述结果矩阵解析出发动机故障结果。
Description
技术领域:
本发明是属于发动机健康管理技术领域,涉及一种基于BP神经网络的发动机故障诊断方法及装置。
背景技术:
飞机发动机是一个复杂的系统,被称为飞机的心脏。及时发现发动机的安全隐患,对飞机安全性有着重大意义,也是发动机健康管理的主要目的。而数据是发动机健康管理的基础。发动机在飞行或试车过程中会产生大体量的数据,这些发动机数据隐含着发动机的故障和状态信息,充分合理地使用这些数据对发动机健康管理有着非常重要的意义。通过对发动机各种参数数据使用有效的方法进行数据挖掘,可以分析出隐含在参数数据中的发动机故障和状态信息,进而可以判断出发动机当前健康状态,为发动机维护提供依据。
发明内容:
本发明是设计一种基于BP神经网络的发动机故障诊断方法,使发动机故障诊断具有明显的可行性和可操作性。
第一方面,本发明提供一种基于BP神经网络的发动机故障诊断方法,方法包括以下步骤:
根据引发故障的发动机参数数据,训练BP神经网络;
向所述BP神经网络输入发动机特征参数实时数据或历史数据矩阵;
通过所述BP神经网络进行发动机故障诊断,并得到结果矩阵;
根据所述结果矩阵解析出发动机故障结果。
可选的,所述根据引发故障的发动机参数数据,训练BP神经网络,具体包括:
依据经验、事实或已有成果确定发动机故障类型;
根据所述故障类型,提取与所述故障类型对应的特征参数;
根据所述故障类型和所述特征参数,构建BP神经网络;
所述BP神经网络包括输入层、中间层和输出层,所述BP神经网络的输入层神经元为各个特征参数,所述BP神经网络的输出层神经元代表不同的故障类型。
可选的,所述根据引发故障的发动机参数数据,训练BP神经网络,具体包括:
筛选出引发故障的发动机参数数据,组成输入矩阵;
根据不同故障,组成目标矩阵;
使用由所述输入矩阵和所述目标矩阵定义的样本训练BP神经网络。
第二方面,本发明提供一种基于BP神经网络的发动机故障诊断装置,装置包括训练单元、输入单元、诊断单元,解析单元,其中:
所述训练单元,用于根据引发故障的发动机参数数据,训练BP神经网络;
所述输入单元,用于向所述BP神经网络输入发动机特征参数实时数据或历史数据矩阵;
所述诊断单元,用于通过所述BP神经网络进行发动机故障诊断,并得到结果矩阵;
所述解析单元,用于根据所述结果矩阵解析出发动机故障结果。
综上所述,本发明的优点包括:
1)维护人员便于理解;
2)使用BP神经网络工具便于施行;
3)诊断结果置信度高;
4)便于实现发动机故障自动诊断。
附图说明
图1为本发明实施例提供的一种基于BP神经网络的发动机故障诊断方法的流程图。
具体实施方式
飞机发动机在飞行或试车阶段会产生大量的参数数据,这些发动机数据隐含着发动机的故障和状态信息。通过对发动机各种参数数据使用有效的方法进行数据挖掘,可以分析出隐含在参数数据中的发动机故障和状态信息,为发动机设计完善和发动机维护提供建议。本发明首先确定发动机故障类型,再根据故障类型,提取不同发动机故障对应的特征参数,设计一个由输入层、中间层和输出层构成的BP神经网络,该BP神经网络可以使用筛选出的发动机特征参数样本对不断进行自训练。随着样本对的增加,训练使得BP神经网络对发动机进行故障诊断的精度也逐步提高,最终形成稳定的、高置信度的发动机故障诊断BP网络。训练好的BP神经网络可以通过输入发动机实时参数数据或历史数据进行故障诊断。该方法具有现实的可行性和可操作性,方便设计人员和维护人员施行。
本发明的技术方案是:
本发明首先依靠经验根据不同的发动机故障类型,提取引发故障的发动机特征参数(转子转速、转子停转时间、振动、压气机进口温度、压气机进口压力等),之后使用确定的特征参数,设计构建一个BP神经网络,该BP神经网络由输入层、中间层和输出层构成。输入层神经元为各个特征参数,输出层各个神经元为由经验确定的不同的故障类型,然后利用经验筛选出引发故障的发动机参数数据,组成输入矩阵,目标矩阵为代表不同故障的矩阵,使用由输入矩阵和目标矩阵定义的样本训练BP神经网络。训练好的BP神经网络即可用于发动机相关故障的诊断。向训练好的BP神经网络输入由一组发动机特征参数实时数据或历史数据构成的输入矩阵,BP神经网络输出诊断结果矩阵,根据诊断结果矩阵可以容易地解析出发动机有无故障或有什么样的故障。
需要说明的是,首先明确了构建具有诊断发动机故障功能的BP神经网网络需要的输入;再明确定义了BP神经网络输入层和输出层神经元的数量和意义,便于创建一个具有诊断发动机故障功能的BP神经网络,提出了一种发动机故障诊断的可行的方法;然后,创建的BP神经网络,使用样本对对BP神经网络进行训练,随着样本对的增加,故障诊断的精度得到进一步提高,解决了当下发动机故障诊断模型单一,诊断算法固定,诊断精度难以继续提高的问题;最后,通过向BP神经网络输入发动机实时数据或历史数据矩阵,便于后续发动机自动化故障诊断的实现。
可以理解的是,本发明是设计的基于BP神经网络的发动机故障诊断方法,使发动机故障诊断具有明显的可行性和可操作性。这种故障诊断方法,为发动机设计人员或维护人员提供一种可迭代的发动机故障诊断方法。随着发动机参数数据的积累,故障诊断模型得到进一步完善,故障诊断的精度也得到进一步提高,最终形成稳定的、高置信度的发动机故障诊断BP神经网络,故障诊断结果为发动机设计完善和发动机维护提供支持。
如图1所示,一种基于BP神经网络的发动机故障诊断方法具体实现如下:
依据经验、事实或已有成果确定发动机故障类型;
根据故障类型,提取不同故障的特征参数;
构建一个输入层、中间层和输出层的BP神经网络,输入层神经元为各个特征参数,输出层各个神经元代表不同的故障类型;
筛选出引发故障的发动机参数数据,组成输入矩阵,目标矩阵为代表不同故障的矩阵,使用由输入矩阵和目标矩阵定义的样本对训练BP神经网络。
向训练好的BP神经网络输入发动机特征参数实时数据或历史数据矩阵,进行发动机故障诊断,得到结果矩阵,根据结果矩阵可容易地解析出发动机故障结果。
综上所述,本发明的优点包括:
1)维护人员便于理解;
2)使用BP神经网络工具便于施行;
3)诊断结果置信度高;
4)便于实现发动机故障自动诊断。
Claims (4)
1.一种基于BP神经网络的发动机故障诊断方法,其特征在于,所述方法包括以下步骤:
根据引发故障的发动机参数数据,训练BP神经网络;
向所述BP神经网络输入发动机特征参数实时数据或历史数据矩阵;
通过所述BP神经网络进行发动机故障诊断,并得到结果矩阵;
根据所述结果矩阵解析出发动机故障结果。
2.根据权利要求1所述的发动机故障诊断方法,其特征在于:所述根据引发故障的发动机参数数据,训练BP神经网络,具体包括:
依据经验、事实或已有成果确定发动机故障类型;
根据所述故障类型,提取与所述故障类型对应的特征参数;
根据所述故障类型和所述特征参数,构建BP神经网络;
所述BP神经网络包括输入层、中间层和输出层,所述BP神经网络的输入层神经元为各个特征参数,所述BP神经网络的输出层神经元代表不同的故障类型。
3.根据权利要求1所述的发动机故障诊断方法,其特征在于,所述根据引发故障的发动机参数数据,训练BP神经网络,具体包括:
筛选出引发故障的发动机参数数据,组成输入矩阵;
根据不同故障,组成目标矩阵;
使用由所述输入矩阵和所述目标矩阵定义的样本训练BP神经网络。
4.一种基于BP神经网络的发动机故障诊断装置,其特征在于,装置包括训练单元、输入单元、诊断单元,解析单元,其中:
所述训练单元,用于根据引发故障的发动机参数数据,训练BP神经网络;
所述输入单元,用于向所述BP神经网络输入发动机特征参数实时数据或历史数据矩阵;
所述诊断单元,用于通过所述BP神经网络进行发动机故障诊断,并得到结果矩阵;
所述解析单元,用于根据所述结果矩阵解析出发动机故障结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811510220.3A CN109580230A (zh) | 2018-12-11 | 2018-12-11 | 一种基于bp神经网络的发动机故障诊断方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811510220.3A CN109580230A (zh) | 2018-12-11 | 2018-12-11 | 一种基于bp神经网络的发动机故障诊断方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109580230A true CN109580230A (zh) | 2019-04-05 |
Family
ID=65928919
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811510220.3A Pending CN109580230A (zh) | 2018-12-11 | 2018-12-11 | 一种基于bp神经网络的发动机故障诊断方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109580230A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110145403A (zh) * | 2019-04-12 | 2019-08-20 | 华北水利水电大学 | 一种降低氢发动机发生早燃的方法及装置 |
CN110470481A (zh) * | 2019-08-13 | 2019-11-19 | 南京信息工程大学 | 基于bp神经网络的发动机故障诊断方法 |
CN111259993A (zh) * | 2020-03-05 | 2020-06-09 | 沈阳工程学院 | 一种基于神经网络的故障诊断方法及装置 |
CN111259927A (zh) * | 2020-01-08 | 2020-06-09 | 西北工业大学 | 基于神经网络和证据理论的火箭发动机故障诊断方法 |
CN111779573A (zh) * | 2020-06-28 | 2020-10-16 | 河南柴油机重工有限责任公司 | 一种柴油机在线故障检测方法及装置 |
CN112326255A (zh) * | 2020-11-02 | 2021-02-05 | 重庆大学 | 一种发动机远程健康监护系统及监护方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4124501A1 (de) * | 1991-07-24 | 1993-01-28 | Dieter Prof Dr Ing Barschdorff | Neuronales netz mit automatischer zellbildung |
CN101839805A (zh) * | 2010-03-19 | 2010-09-22 | 同济大学 | 发动机主动故障质检与智能故障诊断方法 |
CN104568446A (zh) * | 2014-09-27 | 2015-04-29 | 芜湖扬宇机电技术开发有限公司 | 一种发动机故障诊断方法 |
CN104634603A (zh) * | 2015-03-16 | 2015-05-20 | 汪文峰 | 一种复杂设备早期故障诊断方法 |
CN105021403A (zh) * | 2015-07-17 | 2015-11-04 | 中国科学院自动化研究所 | 航空发动机启动系统故障诊断方法及故障模拟系统 |
CN105758645A (zh) * | 2014-12-20 | 2016-07-13 | 哈尔滨智晟天诚科技开发有限公司 | 一种基于概率神经网络的发动机故障诊断系统 |
CN107101829A (zh) * | 2017-04-11 | 2017-08-29 | 西北工业大学 | 一种航空发动机结构类故障的智能诊断方法 |
CN108376298A (zh) * | 2018-02-12 | 2018-08-07 | 湘潭大学 | 一种风电机组发电机温度故障预警诊断方法 |
CN108398271A (zh) * | 2017-02-07 | 2018-08-14 | 山东云舜智能科技有限公司 | 一种基于振动和神经网络技术的发动机状态监测方法 |
-
2018
- 2018-12-11 CN CN201811510220.3A patent/CN109580230A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4124501A1 (de) * | 1991-07-24 | 1993-01-28 | Dieter Prof Dr Ing Barschdorff | Neuronales netz mit automatischer zellbildung |
CN101839805A (zh) * | 2010-03-19 | 2010-09-22 | 同济大学 | 发动机主动故障质检与智能故障诊断方法 |
CN104568446A (zh) * | 2014-09-27 | 2015-04-29 | 芜湖扬宇机电技术开发有限公司 | 一种发动机故障诊断方法 |
CN105758645A (zh) * | 2014-12-20 | 2016-07-13 | 哈尔滨智晟天诚科技开发有限公司 | 一种基于概率神经网络的发动机故障诊断系统 |
CN104634603A (zh) * | 2015-03-16 | 2015-05-20 | 汪文峰 | 一种复杂设备早期故障诊断方法 |
CN105021403A (zh) * | 2015-07-17 | 2015-11-04 | 中国科学院自动化研究所 | 航空发动机启动系统故障诊断方法及故障模拟系统 |
CN108398271A (zh) * | 2017-02-07 | 2018-08-14 | 山东云舜智能科技有限公司 | 一种基于振动和神经网络技术的发动机状态监测方法 |
CN107101829A (zh) * | 2017-04-11 | 2017-08-29 | 西北工业大学 | 一种航空发动机结构类故障的智能诊断方法 |
CN108376298A (zh) * | 2018-02-12 | 2018-08-07 | 湘潭大学 | 一种风电机组发电机温度故障预警诊断方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110145403A (zh) * | 2019-04-12 | 2019-08-20 | 华北水利水电大学 | 一种降低氢发动机发生早燃的方法及装置 |
CN110145403B (zh) * | 2019-04-12 | 2022-03-11 | 华北水利水电大学 | 一种降低氢发动机发生早燃的方法及装置 |
CN110470481A (zh) * | 2019-08-13 | 2019-11-19 | 南京信息工程大学 | 基于bp神经网络的发动机故障诊断方法 |
CN110470481B (zh) * | 2019-08-13 | 2020-11-24 | 南京信息工程大学 | 基于bp神经网络的发动机故障诊断方法 |
CN111259927A (zh) * | 2020-01-08 | 2020-06-09 | 西北工业大学 | 基于神经网络和证据理论的火箭发动机故障诊断方法 |
CN111259927B (zh) * | 2020-01-08 | 2022-08-05 | 西北工业大学 | 基于神经网络和证据理论的火箭发动机故障诊断方法 |
CN111259993A (zh) * | 2020-03-05 | 2020-06-09 | 沈阳工程学院 | 一种基于神经网络的故障诊断方法及装置 |
CN111779573A (zh) * | 2020-06-28 | 2020-10-16 | 河南柴油机重工有限责任公司 | 一种柴油机在线故障检测方法及装置 |
CN111779573B (zh) * | 2020-06-28 | 2022-02-11 | 河南柴油机重工有限责任公司 | 一种柴油机在线故障检测方法及装置 |
CN112326255A (zh) * | 2020-11-02 | 2021-02-05 | 重庆大学 | 一种发动机远程健康监护系统及监护方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109580230A (zh) | 一种基于bp神经网络的发动机故障诊断方法及装置 | |
CN105510038B (zh) | 风电机组故障监测方法和装置 | |
CN103471841B (zh) | 一种旋转机械振动故障诊断方法 | |
CN104254809B (zh) | 用于重型燃气涡轮机的诊断规则的方法和系统 | |
US20170074250A1 (en) | Wind turbine condition monitoring method and system | |
CN105021403A (zh) | 航空发动机启动系统故障诊断方法及故障模拟系统 | |
CN110991036B (zh) | 航天器姿轨控系统故障案例库构建系统及构建方法 | |
CN113190886A (zh) | 一种基于快速仿真数字孪生技术的设备健康监测方法 | |
CN109947080A (zh) | 一种故障诊断的方法、装置、计算机存储介质及终端 | |
CN110427988A (zh) | 一种基于深度学习的机载飞参数据健康诊断方法 | |
CN105487530B (zh) | 柴油机排温低故障预测系统及方法 | |
CN107462425A (zh) | 一种车载装备系统的故障预测方法及故障预测平台 | |
CN109492256B (zh) | 一种动态系统状态概率映射矩阵多向搜索方法 | |
CN108256173A (zh) | 一种航空发动机动态过程的气路故障诊断方法及系统 | |
CN106125573B (zh) | 基于图形化模型的飞机前轮转弯控制盒设计方法 | |
CN108510133A (zh) | 一种基于综合加速因子的机电产品可靠性指标评估方法 | |
CN115408892B (zh) | 一种液压泵虚实交互方法及系统 | |
CN108090606A (zh) | 设备故障发现方法及系统 | |
CN104569666A (zh) | 基于电-图模型的电力变压器故障预测方法 | |
CN106596110A (zh) | 基于在线数据的水轮发电机组水力不平衡故障的自动分析诊断方法 | |
CN115586009A (zh) | 一种故障诊断与健康管理系统、方法 | |
CN109978396A (zh) | 一种风险事件的早期筛查系统及方法 | |
CN116910513A (zh) | 一种基于cwgan-gp和双流cnn模型的离心泵转子故障诊断方法 | |
CN114320773B (zh) | 一种基于功率曲线分析与神经网络的风电机组故障预警方法 | |
Faizrakhmanov et al. | An energy-saving overload-control technology based on a computerized training-machine system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190405 |
|
RJ01 | Rejection of invention patent application after publication |