一种卡尔曼滤波器和神经网络结合的传感器故障重构方法

一种卡尔曼滤波器和神经网络结合的传感器故障重构方法，属于故障诊断技术领域。本发明先考虑一种航空发动机状态空间模型，设计其对应的Bi‑LSTM神经网络故障观测器，并融入自注意力机制得到Bi‑LSTM‑Attention网络来处理神经网络的输出值，提高了神经网络对时序信号的特征提取效果。然后将设计的KF与BLSTMA模型构造为联合故障观测器，完成对传感器故障的高精度重构。该方案不仅有效提升了故障诊断的测量精度，同时确保了观测系统的稳定收敛特性和快速响应能力。同时本发明的联合故障观测器能够实现航空发动机控制系统传感器状态的在线预测，其具备的实时处理能力为硬件设备部署和开展在线故障监测奠定了技术基础。