基于人工神经网络的航空发动机故障诊断方法

于宗艳　韩连涛　孟娇茹

摘 要：针对航空发动机工作环境和结构的复杂性，设计了一种基于人工神经网络的航空发动机故障诊断方法。使用BP神经网络实现对航空发动机故障的诊断和识别，为了加快BP算法的收敛速度，采用带惯性项的批处理BP算法对BP神经网络进行训练。通过对检验样本的测试验证了该方法的有效性和可行性，将不同隐含层数及不同误差精度的算法性能进行了比较分析，结果表明本设计的网络结构及选取的误差精度能满足实际需要。

关键词：故障诊断； BP神经网络； BP算法； 航空发动机

中图分类号：TN911?34； TP181 文献标识码：A 文章编号：1004?373X（2013）02?0065?03

由于航空发动机的工作环境复杂、状态变化多端[1?2]，以及系统结构的复合性[3]，使得发动机的故障机理和故障类型也非线性化[4?5]。由于人工神经网络（ANN）具有良好的非线性特性、自学习及信息的并行处理能力[6]，本文采用BP神经网络对航空发动机进行故障诊断和识别。

1 BP神经网络

BP神经网络[7]是一种使用最广泛的前馈网络，它含有输入层一个，输出层一个，隐含层一个或多个。每层上的各节点之间没有连接关系，信息从输入层依次经过各隐含层最后到输出层从而实现信息的单向传播。BP前馈神经网络将Sigmoid函数作为隐含层节点的激活函数，而当BP网络用于分类时，其输出层节点的激活函数常采用Sigmoid或硬极限函数。目前，应用最为广泛的BP网络为三层BP网络，其结构如图1所示。

4 结 语

本文设计了一种基于人工神经网络的航空发动机故障诊断方法，采用BP神经网络实现对航空发动机故障的识别和诊断。BP网络使用带惯性项的基于批处理的BP算法进行训练， 通过仿真分析，表明该方法能够有效的对航空发动机的故障进行诊断。为设备维修提供有效参考。

参考文献

[1] 苗卓广，谢寿生，吴勇，等.基于改进粒子群算法的航空发动机状态变量建模[J].推进技术，2012，33（1）：73?77.

[2] 马建仓，叶佳佳.基于小波包分析的航空发动机故障诊断[J].计算机仿真，2010，27（2）：48?51.

[3] 牛伟，王国庆，翟正军，等.航空发动机的多参数快速故障诊断模型[J].计算机应用研究，2011，28（12）：4564?4567.

[4] 俞刚，黄金泉.基于支持向量机和卡尔曼滤波器的航空发动机故障诊断研究[J].航空发动机，2012，38（1）：47?49.

[5] 王英，沙云东.航空发动机故障诊断技术综述[J].沈阳航空工业学院学报，2007，24（2）：12?13.

[6] 周世官，张云.基于进化神经网络的模拟电路故障诊断[J].计算机测量与控制，2007，15（8）：991?993.

[7] 谢宏，程浩忠.前向神经网络的神经元分层逐个线性化快速学习算法[J].电子学报，2005，33（1）：111?112.

[8] 赵洪宇，李蔚，盛德仁，等.基于BP神经网络的凝汽器故障诊断研究[J].电站系统工程，2004，20（6）：32?34.

[9] 宫新保，臧小刚，周希朗.基于免疫算法的前向神经网络学习方法[J].系统工程与电子技术，2004，26（12）：1927?1929.

[10] 郝红勋，白杰，郝英.基于BP神经网络方法的民用航空发动机故障诊断[J].中国民航飞行学院学报，2006，17（5）：37?38.