基于CNN的飞机升降舵液压系统故障诊断

简介

针对民机液压系统故障诊断对专家经验的依赖和深层网络诊断模型退化的问题,提出改进的一维卷积神经网络算法。首先,将仿真故障数据直接输入一维卷积神经网络,再对卷积层使用残差块机制来提高信息的利用率,引入挤压与激励网络对卷积层特征向量进行加权表示,从而减少无效信息,达到抗干扰的效果;其次,使用一维全局均值池化层处理末层信息,降低神经网络参数的数量和诊断时间;最后,为了验证所提方法的有效性和实用性,通过实验室仿真平台得到的飞机升降舵液压系统故障数据对该方法进行测试,同时与主流算法进行对比。实验结果表明:本文所提方法测试集准确率高达99.3%,相比其他网络在液压系统故障诊断方面准确率和泛化性有明显的提升,在加入20%噪声环境下本文网络相比传统卷积网络诊断准确率提升4.4%,且具有较强的实用性。