来源：期刊VIP网 时间：
作者：孔令刚;康时嘉;吴家菊;左洪福;杨永辉;程铮;
单位：中国工程物理研究院计算机应用研究所;南京航空航天大学民航学院;
摘要：随着航空发动机运行状态的变化，其故障模式也会发生变化。针对航空发动机的运行退化趋势，提出一种基于1DCNN-BiLSTM的航空发动机故障分类模型。该模型可以直接用于原始监测数据，不需要其他算法提取故障退化特征，并且能充分利用1DCNN提取时间维度局部特征的优势，以及BiLSTM处理非线性时间序列及利用双向上下文信息的特点，最后连接全连接层来学习双向时序依赖的特征信息，并使用softmax函数来诊断故障类别。在美国航空航天局公开的CMAPSS数据集上进行验证，将故障模式分为无故障、HPC故障（单一故障）、HPC&Fan故障（混合故障）三种类型。实验结果表明，与其他模型对比，所提模型具有较高的分类精度，这对提高航空发动机运行可靠性和进一步进行剩余使用寿命预测有一定的实用价值。
关键词：航空发动机;;发动机故障;;故障分类;;1DCNN;;BiLSTM;;非线性时间序列
基金资助：国家自然科学基金项目（U1933202）;; 装备预研领域基金（MJ-2020-Y-011）
