面向大型商用飞机C919能源互联系统的故障诊断技术OA
作为国产首台大型商用飞机,C919以其先进的能源互联系统有效保证飞行的安全性和舒适性。作为典型交直流混联能源系统,目前针对C919的运行分析仍处于初步阶段。文章针对C919能源互联系统故障数据量少、运行状态切换频繁、故障特征依赖关系较弱等特点,提出了一种融合辅助分类器生成对抗网络(auxiliary classifier generative adversarial network,ACGAN)与双向长短期记忆网络(bi-directional long short-term memory,BiLSTM)的故障诊断技术。首先,针对C919能源互联系统运行时间有限和故障状态较少而造成的故障样本数量小且不同类别数据不平衡问题,构建以ACGAN网络为核心的数据增强模块,实现故障样本数量的扩充和不同类别样本的平衡;进而,针对故障数据特征不明显且故障特征存在长时间依赖的特点,构建以BiLSTM网络为核心的特征提取网络,实现对故障长期依赖特征的准确刻画,提升故障诊断的准确性;同时,针对故障特征处理效率较低造成的诊断实时性问题,设计基于注意力机制的加速计算模块,以聚焦关键故障特征信息而忽略次要特征,实现故障特征的快速处理,提升故障诊断的实时性;最后,设计C919能源互联系统故障诊断实验方案,并设置不同故障类型以评估诊断性能。实验结果表明,与现有的主流故障诊断方法相比,该模型在多种故障类型下均能取得较好的诊断性能,有助于为C919交直流能源互联系统的安全运行提供技术保障。
张建良;季瑞松;吴越
浙江大学电气工程学院,浙江杭州310027 浙江省可再生能源电气技术与系统重点实验室,浙江杭州310027浙江大学电气工程学院,浙江杭州310027浙江大学电气工程学院,浙江杭州310027
信息技术与安全科学
C919能源互联系统交直流故障诊断双向长短期记忆网络
《实验技术与管理》 2026 (8)
P.1-9,9
浙江省自然科学基金项目(LMS26E070005)浙江大学实验室技术研究项目(SYBJS202511)。
评论