針對基于梯度的傳統(tǒng)學習算法多存在參數(shù)選擇困難、容易陷入局部最小化、過擬合等問題,研究了基于極限學習機的航空發(fā)動機傳感器故障診斷方法。內(nèi)容涉及極限學習機算法的優(yōu)勢及改進、雙冗余傳感器故障診斷機制的建立及傳感器故障的仿真驗證。首先分析和論述了極限學習機算法的優(yōu)勢。極限學習機算法僅需設置隱含層神經(jīng)元的個數(shù)和選擇激活函數(shù),縮短了訓練時間。仿真表明:在所建的訓練模型精度相近的情況下,極限學習機算法的訓練速率比BP神經(jīng)網(wǎng)絡算法的訓練速率快兩百多倍,且他們的測試精度和測試時間相近。其次分析比較貼合實際的在線貫序極限學習機算法,并提出加權在線貫序極限學習機算法。運用給新舊數(shù)據(jù)分配不同的權值的方法,實現(xiàn)了對新數(shù)據(jù)和舊數(shù)據(jù)的不等權處理。仿真表明:加權在線貫序極限學習機算法比在線貫序極限學習機算法擁有更高的模型測試精度。然后利用加權在線貫序極限學習機算法建立航空發(fā)動機傳感器的雙冗余故障診斷模型,運用空間冗余和時間冗余的結合來實現(xiàn)故障傳感器的診斷與定位。并提出用空間冗余殘差變化幅值來檢測軟故障的方法,使軟故障的檢測時間減短。仿真結果表明:該方案具有一定的可行性,它能夠準確進行單一傳感器的軟故障與硬故障診斷以及直觀顯示診斷結果。
【學位單位】：中國民航大學
【學位級別】：碩士
【學位年份】：2015
【中圖分類】：V263.6
【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 航空發(fā)動機傳感器故障診斷研究
        1.2.2 極限學習機算法研究
    1.3 論文主要工作內(nèi)容
    1.4 本章小結
第二章 航空發(fā)動機傳感器故障診斷方法
    2.1 傳感器故障類型
    2.2 傳感器故障診斷理論方法分析
        2.2.1 基于冗余技術的傳感器故障診斷方法
        2.2.2 基于信號處理的傳感器故障診斷方法
        2.2.3 基于知識的傳感器故障診斷方法
    2.3 極限學習機算法及其優(yōu)勢
        2.3.1 極限學習機算法原理
        2.3.2 極限學習機算法與BP神經(jīng)網(wǎng)絡算法的對比
    2.4 本章小結
第三章 航空發(fā)動機傳感器故障診斷算法的改進
    3.1 OS-ELM算法概述
    3.2 WOS-ELM算法
    3.3 WOS-ELM算法與OS-ELM算法的對比
        3.3.1 OS-ELM激活函數(shù)的選擇
        3.3.2 仿真對比
    3.4 本章小結
第四章 基于WOS-ELM算法的航空發(fā)動機傳感器故障診斷
    4.1 雙冗余模型
        4.1.1 空間冗余模型
        4.1.2 時間冗余模型
    4.2 基于WOS-ELM算法的雙冗余航空發(fā)動機傳感器故障診斷方法
        4.2.1 離線建模
        4.2.2 在線診斷
    4.3 本章小結
第五章 航空發(fā)動機傳感器故障診斷的仿真研究
    5.1 故障診斷窗.設計
    5.2 航空發(fā)動機傳感器無故障狀態(tài)仿真
        5.2.1 激活函數(shù)及隱含層神經(jīng)元個數(shù)的選擇
        5.2.2 傳感器正常狀態(tài)下仿真效果圖
    5.3 航空發(fā)動機傳感器硬故障診斷
    5.4 航空發(fā)動機傳感器軟故障診斷
    5.5 航空發(fā)動機傳感器故障信號的重構
        5.5.1 航空發(fā)動機傳感器硬故障重構
        5.5.2 航空發(fā)動機傳感器軟故障重構
    5.6 本章小結
結論
參考文獻
致謝
攻讀碩士期間發(fā)表論文

【參考文獻】

相關期刊論文 前5條

1 劉海港;董芷岑;;航空發(fā)電機綜合故障診斷技術研究[J];電子測量技術;2014年03期

2 朱玉斌;方中祥;侯朝煥;馬曉川;;基于部件參數(shù)估計的航空發(fā)動機故障預測技術研究[J];測控技術;2012年01期

3 神顯豪;;基于支持向量回歸機的傳感器故障診斷方法研究[J];機床與液壓;2010年21期

4 何擁軍;曾文英;曾文權;;信息熵支持向量機算法傳感器故障診斷研究[J];計算機仿真;2011年10期

5 陳小磊;郭迎清;張書剛;;航空發(fā)動機壽命延長控制綜述[J];航空發(fā)動機;2013年01期

相關博士學位論文 前1條

1 楊易旻;基于極限學習的系統(tǒng)辨識方法及應用研究[D];湖南大學;2013年

相關碩士學位論文 前1條

1 李晟;基于PCA方法的定風量空調系統(tǒng)傳感器故障診斷研究[D];天津大學;2007年

本文編號：2861764