公开(公告)号：CN111598222A

公开(公告)日：2020-08-28

申请号：CN202010406707.8

申请日：2020-05-14

Applicant: 哈尔滨工业大学(威海)

Inventor： 钟诗胜 ,  付松 ,  林琳 ,  付旭云 ,  张永健

IPC: G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明披露了一种重优化深度自动编码器，其特征在于：包括第一经典深度自动编码器模块、K-Means聚类模型模块和第二经典深度自动编码器模块；所述第一经典深度自动编码器模块训练完成后，通过所述第一经典深度自动编码器模块获得一重构误差集；所述K-Means聚类模型模块对所述重构误差集进行聚类，剔除其中重构误差较大的异常样本，保留正常样本作为新训练集；用所述新训练集对所述第二经典深度自动编码器模块进行训练。基于所述重优化深度自动编码器，本发明还提出了一种发动机自动检测系统。

公开(公告)号：CN109115501A

公开(公告)日：2019-01-01

申请号：CN201810763325.3

申请日：2018-07-12

Applicant: 哈尔滨工业大学(威海)

Inventor： 钟诗胜 ,  付旭云 ,  张永健 ,  付松

IPC: G01M15/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

CPC classification number: G01M15/00 ,  G06K9/6256 ,  G06K9/6269 ,  G06N3/0454 ,  G06N3/08

Abstract: 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。