航空航天科学与工程论文_基于多传感器融合卷积
文章摘要:航空发动机作为航空飞行器关键的动力组成部分，在内外多激励干扰情况下产生的机械故障采取传统的基于物理机理和信号分析的方法难以准确识别且耗时耗力。为此，本文提出基于多传感器信息融合的轴承故障诊断模型，对航空发动机轴承进行故障诊断。该模型采用一维卷积神经网络（1D-CNN）对实验获取的某航空发动机的轴承故障振动数据进行特征提取与分类，直接将不同传感器采集的波形信号作为输入，通过卷积、池化等一系列操作，输出最后的分类结果，舍弃了传统的基于信号分析故障诊断的繁琐步骤。实验验证，采用4个加速度传感器输入该模型对轴承故障进行分类与识别，其准确率可达100%，相较于采用支持向量机（SVM）和前馈神经网络对故障进行分类识别相比，该方法准确率分别提高了36.92%和18.9%，为航空发动机轴承故障诊断提供一种可行方法。
文章关键词:
