Resumen

El motor de avión, servido por una turbina de gas, es un sistema altamente sofisticado. Es una tarea difícil analizar la ubicación y la causa de las fallas en la trayectoria de gas mediante software de dinámica de fluidos computacional o funciones termodinámicas. Por lo tanto, las tecnologías de inteligencia artificial, en lugar de los métodos tradicionales de termodinámica, son ampliamente utilizadas para abordar este problema. Entre ellas, los métodos basados en redes neuronales, como CNN y BPNN, no solo pueden obtener una alta precisión de clasificación, sino que también se adaptan favorablemente a los datos de varios tipos de motores de avión. CNN tiene una capacidad superior para extraer y aprender los atributos ocultos en las propiedades, mientras que BPNN puede mantener la atención en ajustar la distribución real de los datos de muestra originales. Inspirado por ellos, este artículo propone un método multimodal que integra la capacidad de clasificación de estos dos excelentes modelos, de modo que se pueda identificar información complementaria para mejorar la precisión de los resultados del diagnóstico.

• Materias:Redes de radio Sistemas de información Comunicaciones inalámbricas Cifrado de bloques
• Subjects:Radio Networks Information systems Wireless communications Block ciphers
• Palabras claves:Motor de avión; Turbina de gas; Inteligencia artificial; Redes neuronales; CNN; BPNN
• Keywords:Aeroengine; Gas turbine; Artificial intelligence; Neural networks; CNN; BPNN