一种融合图特征迁移与域自适应的压气机喘振先兆识别方法

一种融合图特征迁移与域自适应的压气机喘振先兆识别方法，属于航空发动机建模与故障诊断领域。首先，对压气机稳态节流至失速过程中的叶尖压力信号数据进行预处理得到多个样本，将每个样本转换成递归图；其次，构建ConvLSTM网络提取递归图的时空特征，ConvLSTM网络的输出通过图卷积网络提取图拓扑特征；再次，构建ConvLSTM‑GCN模型，提取包含时空特的图拓扑特征；并进行源域数据和目标域数据之间的图拓扑特征对齐；对ConvLSTM‑GCN模型进行训练得到预测模型；最后，在测试数据集上进行实时预测，得到喘振预测概率。本发明能够解决现有的RNN、CNN及其变体深度学习模型预测精度不高的问题；结合基于域自适应的迁移学习方法，解决目标域和源域特征分布差距较大的问题，提高模型泛化能力。