摘要
本发明属于航空机械状态监测与故障诊断技术领域,具体涉及基于卷积神经网络的航空发动机滑油磨粒故障识别方法,其包括:S1、收集航空发动机滑油磨粒的彩色图像数据,通过加权平均法将彩色图像数据转换为灰度图像数据;S2、对航空发动机滑油磨粒的灰度图像数据进行双边滤波;S3、使用大津法对航空发动机滑油磨粒图像和图像背景进行分割;S4、对处理后的黑白单通道航空发动机滑油磨粒图像数据进行分类,使用卷积神经网络模型进行故障识别与输出。本发明通过对航空发动机滑油传感器采集的磨粒图像进行处理,构建卷积神经网络模型对图像进行训练和识别,实现对发动机故障类型的快速准确识别,旨在提高航空发动机故障诊断的效率和准确率。
技术关键词
滑油磨粒
航空发动机
故障识别方法
彩色图像数据
卷积神经网络模型
滤波
加权平均法
图像像素
Softmax函数
机械状态监测
构建卷积神经网络
因子
磨粒形态
故障诊断技术
磨粒图像
积层
系统为您推荐了相关专利信息
卷积神经网络模型
模式挖掘方法
超图模型
卷积神经网络特征学习
矩阵
航空发动机
信号
故障监测方法
时域特征提取
稳态
智能控制系统
智能马桶
声音特征提取
优化缩放因子
多模态特征融合