基于CPO-CNN-LSTM的起落架系统故障诊断方法研究.pdfVIP

模式识别与人工智能测控技术

2025年第44卷第3期

基于CPO-CNN-LSTM的起落架系统故障诊断

方法研究

唐凌云，苏艳*，易子超

（南京航空航天大学民航学院，江苏南京211106)

摘要：起落架刹车系统是飞机的重要组成部分，及时准确地诊断起落架刹车系统的故障，可以避免因故

障导致的事故，提高飞机安全性。针对起落架刹车系统现有诊断算法识别精度较低和缺乏系统的参数

优化等问题，提出了一种利用冠豪猪优化器（CrestedPorcupineOptimizer，CPO）算法优化卷积神经网络

融合长短期记忆网络（ConvolutionalNeuralNetwork-LongShortTermMemory，CNN-LSTM）的飞机起落架

刹车系统故障诊断方法。利用CPO的快速寻优能力，将找到的最优参数代入CNN-LSTM中重新构建模

型，对起落架飞参数据进行训练分类并输出结果。诊断实验中，以某型号飞机起落架刹车系统真实飞参

数据为输入，对起落架刹车系统的常见故障模式进行分类。实验结果表明，所提出的故障诊断方法有较

好的故障诊断性能和实际的应用价值。

关键词：起落架刹车系统；故障诊断；冠豪猪优化器算法；卷积神经网络；长短时记忆神经网络

中图分类号：V19文献标志码：A文章编号：1000-8829(2025)03-0001-08

doi:10.19708/j.ckjs.2025.03.304

ResearchonFaultDiagnosisMethodofLandingGearSystemBasedon

CPO-CNN-LSTM

TANGLingyun,SUYan*,YIZichao

(CollegeofAviation,NanjingUniversityofAeronauticsandAstronautics,Nanjing211106,China)

Abstract:Landinggearbrakingsystemisanimportantpartofaircraft.Timelyandaccuratediagnosisoffaultin

thelandinggearbrakingsystemcanavoidaccidentscausedbyfaultandimprovethesafetyofaircraft.Aiming

attheproblemsoflowrecognitionaccuracyandlackofsystemparameteroptimizationofexistingdiagnosisal-

gorithmsforlandinggearbrakingsystem,afaultdiagnosismethodforaircraftlandinggearbrakingsystemis

proposed,whichusescrestedporcupineoptimizer(CPO)algorithmtooptimizeconvolutionalneuralnetwork-

longshorttermmemory(CNN-LSTM).UsingthefastoptimizationabilityofCPO,theoptimalparametersare

substitutedintoCNN-LSTMtoreconstructthemodel,andthelandinggearflightparametersaretrainedand