摘要:深度學(xué)習是一種新的基于特征表示的機器學(xué)習方法。深度學(xué)習模型包含多個(gè)隱藏層,可以通過(guò)對輸入數據進(jìn)行自動(dòng)學(xué)習來(lái)獲取隱藏的功能層中的特征信息。與傳統的診斷方法相比,深度學(xué)習具備從原始信息中提取更豐富的特征的能力,因此已經(jīng)成為基于機器學(xué)習的故障診斷研究的新方向,為發(fā)動(dòng)機氣路等復雜系統故障診斷帶來(lái)了新思路。結合發(fā)動(dòng)機氣路試驗數據的特點(diǎn)與深度學(xué)習的優(yōu)勢,提出基于卷積神經(jīng)網(wǎng)絡(luò )的故障診斷方法,包括預處理、模型訓練及優(yōu)化等過(guò)程,并實(shí)現了復雜系統故障診斷預測算法平臺。經(jīng)某發(fā)動(dòng)機氣路試驗仿真數據實(shí)例驗證,提出的方法具有較好的可行性和效果,能夠充分利用深度學(xué)習的優(yōu)點(diǎn),更準確地識別發(fā)動(dòng)機氣路的健康狀況。