来源：期刊VIP网 时间：
作者：曾慧;张芹;
单位：安徽三联学院工学部;
摘要：航空发动机在极端的工作环境下运行，其故障诊断对于保障飞行安全至关重要。然而，由于振动信号中故障特征的隐蔽性和噪声干扰，传统的故障诊断方法面临巨大挑战。旨在提出一种创新的故障诊断方法，以提高航空发动机转子系统在恶劣工作条件下的故障检测准确性和可靠性。首先本文设计了一种多级路径聚合网络，采取跨层级联的方式融合相邻层的特征，丰富对隐蔽振动信号故障特征信息的提取能力。其次，提出一种通道空间注意力模块，增强网络对噪声干扰情况下故障振动信号的关注力，从而提高对航空发动机转子系统中特征的准确识别和定位。实验结果表明，所提方法在航空发动机转子系统的故障诊断中表现出色，具有较高的准确性和泛化能力。
关键词：深度学习;;故障诊断;;特征融合;;注意力机制
