基于WGAN-GP数据增强的航空发动机引气状态分类方法OA北大核心

针对航空发动机引气系统真实异常飞行数据匮乏制约数据驱动的诊断方法有效应用问题,提出一种基于Wasserstein距离与梯度惩罚生成对抗网络(WGAN-GP)数据增强的发动机引气状态分类方法。通过WGAN-GP扩充并平衡训练数据集,使卷积神经网络(Convolutional Neural Network, CNN)分类模型学习到更丰富的数据特征,实现对多种引气状态的准确分类。实验结果表明,该模型较经典生成对抗网络(Generative Adversarial Networks, GAN)稳定性更高,生成的样本更接近原始样本,分类性能也有较大提升。