摘要
本发明公开了一种面向航空发动机中介轴承的多任务学习故障诊断方法,涉及航空发动机故障诊断技术领域,包括以下步骤:振动信号数据采集与样本构造:采集航空发动机中介轴承的加速度振动信号,记录发动机转速和传感器位置信息,通过滑动窗口重复采样,构建故障样本集;数据预处理:对样本数据进行归一化处理;多任务学习模型设计:构建基于多任务学习的深度神经网络模型;联合损失函数优化:设计联合损失函数;模型训练与测试:将处理后的样本数据输入多任务学习模型,进行训练和测试。本发明采用上述一种面向航空发动机中介轴承的多任务学习故障诊断方法,具有较高的诊断准确率和鲁棒性,尤其适用于航空发动机轴承的故障检测场景。
技术关键词
面向航空发动机
故障诊断方法
联合损失函数
多任务学习模型
发动机转速
深度神经网络模型
传感器位置信息
样本
航空发动机故障诊断技术
数据采集系统
航空发动机轴承
加速度
标签
信号
分类器
滑动窗口
系统为您推荐了相关专利信息
图像去模糊方法
幅值
编解码
注意力
Adam算法
偏好预测方法
特征工程
电商
机器学习算法
数据收集模块
电驱动装载机
输出管理方法
深度强化学习
能量管理控制器
管理控制策略
小麦收割机
金属接近传感器
车载电脑
数据处理模块
控制系统