摘要:近年來(lái),卷積神經(jīng)網(wǎng)絡(luò )(CNN)等深度學(xué)習方法的發(fā)展為發(fā)動(dòng)機故障診斷和預測帶來(lái)了新的思路。CNN具有局部連接、權值共享、池化操作以及多層結構等特點(diǎn),能夠有效提取局部特征,降低網(wǎng)絡(luò )的訓練難度,使CNN具有很強的學(xué)習能力和特征表達能力。開(kāi)展了深度卷積神經(jīng)網(wǎng)絡(luò )故障預測方法研究,實(shí)現了面向發(fā)動(dòng)機氣路故障預測算法架構。利用基于發(fā)動(dòng)機試驗仿真數據對該方法進(jìn)行了驗證,并與其他幾種常見(jiàn)的基于數據驅動(dòng)的預測方法進(jìn)行了比較,驗證結果表明本文提出的基于卷積神經(jīng)網(wǎng)絡(luò )的預測方法具有較好的可行性和效果,可作為開(kāi)展發(fā)動(dòng)機PHM技術(shù)研究的參考。