计量学报

作者：马敏,王涛

单位：中国民航大学 电子信息与自动化学院, 天津 300300

关键词：计量学;滑油监测;磨损状态;航空发动机; 电容层析成像;卷积神经网络;长短期记忆

基金：国家自然科学基金(61401466);中央高校基金项目(3122013C007);国家自然科学基金委员会与中国民用航空局联合资助项目(U1733119);民航科技资助项目(20150220)

针对传统的数据特征提取方法难以提取ECT滑油监测数据有效特征的缺陷,提出了一种基于卷积神经网络(convolutional neural network,CNN)和多尺度长短期记忆(multi-scales long short-term memory,MSLSTM)神经网络的双通道网络模型CNN-MSLSTM。将多尺度学习融入LSTM中,CNN和MSLSTM作为两个通道,并行学习数据在空间维度和时间维度的特征,通过注意力机制融合,利用softmax分类器输出发动机的磨损状态。实验结果表明:3尺度的CNN-MSLSTM对ECT数据样本的分类准确率达到98%,F1评分达到98.62%,单组数据的测量时间仅为0.203?6ms,总体性能优于单一的CNN和LSTM网络。

来源：2021年第2期

《计量学报》期刊编辑部

查看计量学报杂志2021年第2期