基于静电监测和神经网络的航发典型故障诊断

为解决航空发动机中典型气路机械故障模式的诊断问题,开展了故障模拟静电监测实验。利用经典特征参数分析了4类典型故障模式下的静电信号,在此基础上进一步提出几类新特征指标和初始故障判别逻辑理论,并利用Fisher准则方法对所提新特征指标的有效性进行验证。提出一种基于自组织映射神经网络的气路故障诊断工程化应用方法,并对故障诊断算法进行实例验证,结果表明,基于静电信号和自组织映射神经网络的气路故障诊断方法能够很好地识别不同故障模式并具备良好的可视化表达效果,为气路故障诊断提供了一种很好的工程化研究方法。