基于改进ZF网络的航空发动机叶片损伤检测

邢志伟，李龙浦，侯翔开，施亚中，王 浩

（1.中国民航大学a.电子信息与自动化学院；b.航空工程学院；c.工程技术训练中心，天津 300300；2.北京飞机维修工程有限公司西南航线中心，成都 610202）

叶片作为航空发动机的关键性部件，其健康状态直接影响飞机的运行安全。航空发动机叶片在工作时面临高温、高压、表面压力分布不均等恶劣环境，极易造成叶片损伤。由于航空发动机自身的结构约束，目前发动机叶片维护主要由基于孔探技术的人工目视检查完成。由于受经验主导、人为忽视等因素影响，误检和漏检时有发生，因此，提高叶片损伤智能检测能力是航空发动机叶片损伤检测的重要研究方向。

Dyrwal 等[1]针对航空发动机涡轮叶片微裂纹检测提出了非线性空气耦合热超声技术，且在检测复杂元件损伤时显示出较高的灵敏度，为非接触式检测航空发动机涡轮叶片损伤提供了热成像系统的有效替代方案；Tiwari 等[2]通过对超声波导波信号进行细化，完成了对风力涡轮机叶片不同位置脱黏性缺陷的识别和表征，具有较好的实验效果；文献[3-6]分别采用涡流检测传感器技术、柔性电磁传感器技术、叶片单元模态应变能分析技术、小波变换及SUSAN 边缘检测技术对叶片表面损伤进行检测，并取得了良好的检测效果。上述研究都是基于传统的损伤检测理论，其应用范围相对较小，无法满足多目标的损伤检测需求。随着人工智能技术的发展，基于卷积神经网络[7-9]（CNN,convolutional neural network）的多目标损伤检测方法越来越受到关注，在光纤损伤检测、下水管道缺陷检测、铁路接触网紧固件缺陷检测等领域应用广泛。……