摘要
本发明属于航空发动机故障诊断技术领域,公开了一种数模结合的航空发动机传感器故障估计方法。本发明通过将传统的Luenberger故障估计观测器与LSTM深度神经网络相结合,提出了一种数模结合的传感器故障估计新方法。本发明融合了基于模型的方法和数据驱动方法的各自优势,既能进一步提升故障估计的精度,又可以保证系统的收敛性和鲁棒性,并且为通过深度学习进行故障估计提供了理论支撑。此外,本专利设计的Luenberger‑LSTM数模结合的传感器故障估计方法还可以对航空发动机控制系统的传感器故障进行实时预测,为以后部署到机载系统里进行在线故障估计提供了有价值的参考。
技术关键词
故障估计观测器
LSTM神经网络
深度神经网络
航空发动机
矩阵
故障观测器
状态空间模型
传感器
估计方法
长短记忆神经网络
sigmoid函数
状态反馈控制器
连续时间系统
估计新方法
系统为您推荐了相关专利信息
聚类分析方法
神经网络训练
波形
保边去噪方法
分类计算方法
医学知识图谱
VR系统
渲染资源
节点
资源分配优先级
高效数据传输方法
北斗卫星通信系统
分数阶偏微分方程
联邦学习模型
在线参数辨识
雨量监测站
卷积神经网络模型
雨量监测系统
推演方法
推演系统