[发明专利]一种基于CNN与SVM的民航发动机气路故障诊断方法在审
| 申请号： | 201810763325.3 | 申请日： | 2018-07-12 |
| 公开（公告）号： | CN109115501A | 公开（公告）日： | 2019-01-01 |
| 发明（设计）人： | 钟诗胜;付旭云;张永健;付松 | 申请（专利权）人： | 哈尔滨工业大学（威海） |
| 主分类号： | G01M15/00 | 分类号： | G01M15/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 北京格允知识产权代理有限公司 11609 | 代理人： | 周娇娇;李亚东 |
| 地址： | 264209*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于CNN与SVM的民航发动机气路故障诊断方法，包括获取民航发动机气路状态数据；构造训练集和测试集；利用训练集对CNN模型进行训练；利用训练完成的CNN模型对测试集中的样本进行特征挖掘，组成测试样本特征集；利用测试样本特征集训练SVM对各种故障进行分类；将待诊断的民航发动机气路状态数据输入训练完的CNN模型得到待测样本特征，并利用所述SVM进行分类，得到气路故障类型。本发明利用卷积神经网络直接对矩阵进行处理，既考虑了输入参数随时间变化的关系，又考虑了输入参数之间的关系；同时利用SVM进行分类，很好地解决了民航发动机故障样本不足的局限，能够有效且准确的实现民航发动机气路故障诊断。 | ||
| 搜索关键词： | 民航发动机 气路故障诊断 测试样本 气路状态 输入参数 特征集 训练集 分类 矩阵 卷积神经网络 随时间变化 待测样本 故障样本 气路故障 特征挖掘 测试集 样本 测试 局限 诊断 | ||
【主权项】：
1.一种基于CNN与SVM的民航发动机气路故障诊断方法，其特征在于，包括：S1、获取民航发动机气路状态数据并构造多个正常状态数据矩阵和多个故障征候数据矩阵；S2、构造训练集和测试集，其中训练集全部由所述正常状态数据矩阵组成，测试集由所述故障征候数据矩阵及所述正常状态数据矩阵组成；S3、利用所述训练集对CNN模型进行训练，训练完成后，保持CNN模型参数不变；S4、利用训练完成的所述CNN模型对所述测试集中的样本进行特征挖掘，提取所述测试集中所有样本的状态特征，组成测试样本特征集；S5、利用所述测试样本特征集训练SVM对各种故障进行分类，训练完成后，保存SVM；S6、将待诊断的民航发动机气路状态数据输入训练完的所述CNN模型得到待测样本特征，并利用所述SVM进行分类，得到气路故障类型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于哈尔滨工业大学（威海），未经哈尔滨工业大学（威海）许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810763325.3/，转载请声明来源钻瓜专利网。
- 上一篇：一种轴承试验器
- 下一篇：一种发动机万有特性检测方法及模块
