一种基于数据融合的涡轮叶片振动疲劳监测方法及系统

本发明涉及一种基于数据融合的涡轮叶片振动疲劳监测方法及系统，方法包括：采集涡轮叶片的振动数据、温度数据和应变数据，获取原始多源数据集；对原始多源数据集进行预处理，获取第一数据集；根据所述第一数据集提取特征，获取特征向量集；对所述特征向量集进行降维，获取降维后的特征向量机输入LSTM模型，输出振动疲劳状态监测结果，其中，所述LSTM模型通过训练集训练并优化获得，所训练集包括历史多源数据集及对应的疲劳寿命值、疲劳损伤程度。本发明融合多源数据，结合深度学习方法，提高了涡轮叶片振动疲劳寿命预测的准确性和实时性。