用户名: 密码:    忘记密码   注册   在线充值
基于LSTM-AE深度学习框架的民机系统故障监测与识别方法  
 【申请号】  CN201810900995.5  【申请日】  2018-08-08
 【公开号】  CN109408552A  【公开日】  2019-03-01
 【申请人】  南京航空航天大学  【地址】  210016 江苏省南京市秦淮区御道街29号
 【共同申请人】  
 【发明人】  孙见忠;刘翠;王芳圆;宁顺刚
 【国际申请】    【国际公布】  
 【进入国家日期】  
 【专利代理机构】  江苏圣典律师事务所  【代理人】  贺翔
 【分案原申请号】  
 【国省代码】  32
 【摘要】  本发明公开了基于LSTM-AE深度学习框架的民机系统故障监测与识别方法,涉及民机复杂系统状态监控与故障诊断技术领域,能够充实现飞行故障的监测和识别。本发明包括:选取飞机飞行中某稳定工况下系统多状态参数时间序列数据,并根据监测对象的特点,选取合适的工况下的状态参数时间序列数据用于系统重构模型的训练,然后充分利用LSTM模型所具有长时间序列依赖的记忆能力,对民机系统无故障状态进行建模与重构,通过进一步分析其状态参数重构误差实现故障的监测和识别。本发明解决了民机系统故障监测手段不足的问题,利用深度学习在大数据分析方面的优势,挖掘民机海量运营和维修数据,为民机系统故障监测与航线故障隔离提供了重要支持。
 【主权项】  1.基于LSTM-AE深度学习框架的民机系统故障监测识别方法,其特征在于,包括:S1、在飞机飞行时某一稳定工况下,提取飞机机载系统中多个状态参数的时间序列数据;S2、对时间序列数据利用等时间间隔方法提取,得到模型训练数据样本,模型训练数据样本的集合即为飞机机载系统无故障状态的训练数据集;S3、利用LSTM深度模型所具有的长时间序列建模能力,并依据自编码器原理建立LSTM-AE模型,利用训练数据集训练LSTM-AE模型并优化LSTM-AE模型的参数,得到训练好的LSTM-AE模型;S4、利用训练好的LSTM-AE模型,重构飞机机载系统的状态参数,计算重构误差矩阵,并在误差矩阵的基础上计算飞机机载系统健康指数和故障特征向量,健康指数用于故障预警,故障特征向量用于故障识别。
 【页数】  12
 【主分类号】  G06F16/2458
 【专利分类号】  G06F16/2458;G06F17/50;G06K9/62
   推荐下载阅读CAJ格式全文 查询法律状态
(不支持迅雷等加速下载工具,请取消加速工具后下载。)

 


专利产出状态分析  
本领域科技成果与标准  
发明人发表文献
申请机构(个人)发表文献
本专利研制背景
本专利应用动态
所涉核心技术研究动态
京 ICP 证 040431 号 网络出版服务许可证 (总)网出证(京)字第 271 号经营性网站备案信息 京公网安备 11010802020460 号
© 2010-2017 中国知网(CNKI) 《中国学术期刊(光盘版)》电子杂志社有限公司 KDN 平台基础技术由 KBASE 11.0 提供
服务热线:400-810-9888 订卡热线:800-810-6613
在线咨询:http://help.cnki.net 客服中心:http://service.cnki.net 电子邮件:help@cnki.net
可信网站 诚信网站