基于CNN神经网络的航空发动机磨损状态监测研究

摘要

润滑油金属含量是航空发动机磨损状态监控的重要状态参数指标之一,但其受诸多复杂因素影响而难以用确定的数学模型来预测其变化规律.因此针对发动机磨损状态这一复杂非线性系统,提出一种CNN神经网络训练算法建立优化设计近似模型.以航空发动机磨损状态监测中润滑油铁金属含量的预测为例,构建了一种复合神经网络(CNN)对航空发动机磨损状态进行预测.结果表明,CNN神经网络收敛速度更快,泛化能力更强,优于标准BP神经网络,验证了该方法在预测精度上具有明显优势.