来源：期刊VIP网 时间：
作者：吴新平;杜浩楠;何荣年;赵千里;陈梦宇;
单位：常州机电职业技术学院;东北大学机械工程与自动化学院;中车戚墅堰机车有限公司;
摘要：针对航空发动机外部液压管路故障难以准确识别的问题，提出了一种新的时序网络框架，命名为BTA-Net。首先，为了减少网络模型的权重参数，便于模型进行更新，以双向门控循环单元网络为基础建立液压管路时序诊断模型，从实测的航空管路数据中抽取具有时序规律的粗粒度特征，然后，在时序模型中融合自注意力机制进行优化，不断地更新权重系数使得模型最后的决策更加聚焦，从而提高诊断精度。利用BTA-Net模型对航空液压管路的实测数据进行训练，结果表明：所提出的方法对航空发动机液压管路故障的诊断准确率达99.5%以上。对含有SNR=10 dB高斯白噪信号的故障识别准确率接近92.9%,证明了该方法的鲁棒性和有效性。并从多个维度对该方法的诊断性能进行了评价，证明了该方法的优越性和稳定性。这一有趣的发现表明：所提出的BTA-Net方法可以应用于航空发动机液压管路的实际状态监测，以减少维护成本和停机时间。
关键词：故障诊断;;航空管路;;时序信息模型;;自注意力机制
基金资助：江苏省高等学校基础科学(自然科学)研究基金(22KJD130001);; 常州市科技计划项目(CJ20220017)
