崔建国， 李国庆， 蒋丽英， 于明月， 王景霖

（1.沈阳航空航天大学自动化学院 沈阳，110136）（2.故障诊断与健康管理技术航空科技重点实验室 上海，201601）

引 言

航空发动机属于典型的故障易发系统，其健康状态会对飞行器飞行安全产生严重影响［1］。由于复杂的内部结构和多变的外部工作环境，航空发动机采集的监测数据具有非线性和高维特性等特征，很难被传统的故障诊断技术准确有效挖掘和识别。深度学习的不断发展为故障诊断技术提供了新的解决方案。深度学习网络是通过构建多层神经网络，逐层学习和提取数据特征，最终实现对数据复杂特征信息的挖掘。目前，深度学习理论已成功应用于图像识别和语音处理等领域［2-3］。基于此，笔者提出了采用深度自编码网络（deep autoencoder network，简称DAEN）对航空发动机进行故障诊断的方法。

1 深度自编码网络

深度自编码网络是由多层自编码器依次连接而成的深层神经网络，依据深度自编码网络的结构特点，将其训练过程分为2 个阶段：①采用无标签的数据样本集对深度自编码网络参数的初始值进行预先训练；②采用有标签的数据样本集对该网络进行再训练，以实现网络参数的微量调整。

1.1 深度自编码网络预训练

深度自编码网络的预训练实质上是初始化网络中连接权值和偏置向量等参数，通过自监督特征优化算法对各层自编码器进行训练，最终确定层与层之间连接权值的初始值和各层神经元的偏置初始值。……