航空发动机性能图像纹理片段划分方法

为了解决深度学习在航空发动机性能异常检测中出现的数据不平衡的问题,在高频次纹理片段对应性能稳定状态、低频次纹理片段对应异常波动状态的合理假设下,提出了一种航空发动机性能图像纹理片段划分方法。通过研究性能数据空间与RGB彩色空间的映射,提出高维性能数据图像化。引入分形盒维理论,定义纹理特征维数表征性能图像纹理特征,提出基于高频次生长树的图像纹理片段划分方法,实现性能图像按纹理出现频次的精细划分,建立正常样本和异常样本数量接近的数据集。选取多个航段发动机性能数据,与时频图和采样法生成的数据集进行对比验证。验证结果表明:该方法可以生成数量相当且真实客观的正常样本和异常样本,在ResNet50模型上的准确率达91.72%,减小了数据不平衡对准确率的影响。