航空發(fā)動(dòng)機(jī)健康管理是保障飛行安全,降低維護(hù)費(fèi)用的重要手段。本文主要通過研究航空發(fā)動(dòng)機(jī)氣路故障診斷及性能參數(shù)預(yù)測,研究了基于極限學(xué)習(xí)機(jī)的故障診斷及性能預(yù)測技術(shù),針對原有算法的不足,對穩(wěn)定性及稀疏性方面進(jìn)行了改進(jìn)。主要工作內(nèi)容如下:針對極限學(xué)習(xí)機(jī)（ELM）泛化性差的問題,采用了基于貝葉斯學(xué)習(xí)的模型訓(xùn)練方法,通過貝葉斯估計(jì)來迭代更新以替代原有的求逆方法。在此基礎(chǔ)上,采用系數(shù)關(guān)聯(lián)法和權(quán)值共享對貝葉斯極限學(xué)習(xí)機(jī)（BELM）進(jìn)行稀疏化改進(jìn),該方法避免了原方法的直接求取廣義逆,同時(shí)能夠有效的剔除冗余的隱藏層節(jié)點(diǎn)。仿真結(jié)果表明,所提出的算法在保證精度的同時(shí),有效的精簡了模型,相對于傳統(tǒng)的極限學(xué)習(xí)機(jī)來說,提升了泛化性。研究了基于多層核極限學(xué)習(xí)機(jī)（MLKELM）的發(fā)動(dòng)機(jī)氣路故障特征提取和隱馬爾可夫（HMM）的動(dòng)態(tài)過程故障診斷方法。多層KELM對航空發(fā)動(dòng)機(jī)傳感器測量參數(shù)進(jìn)行故障特征提取和降維,其理論來源于神經(jīng)網(wǎng)絡(luò)中的自編碼（AE,auto-encoder）技術(shù),將數(shù)據(jù)矩陣通過多層網(wǎng)絡(luò)進(jìn)行了新的映射得到新的數(shù)據(jù)表示,其分類能力與傳統(tǒng)的核主成分分析方法相比有了顯著的提升。HMM則是基于時(shí)間序列的狀態(tài)轉(zhuǎn)移模型,考... 

【文章來源】：南京航空航天大學(xué)江蘇省211工程院校

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

發(fā)動(dòng)機(jī)氣

1 1k( , )1=k( , )= ( )NNC + x xI tx xk xMΚα是 K-ELM 的輸出權(quán)值：11NC + α = I Κt為了提升其特征提取能力，采用多層網(wǎng)絡(luò)結(jié)果進(jìn)行強(qiáng)化。KELM 特征提學(xué)習(xí)數(shù)據(jù)，其 MLKELM 的特征學(xué)習(xí)過程如圖 3.2 所示。(1)Ω(1)X(1)X(1)Γ(1)Γ(1)X(2)Ω(2)X(2)X(2)Γ( final)X( n)X(2)X( n)Γ(1) (1)2( , )ik x x(2) (2 )( , )i jk x x

南京航空航天大學(xué)碩士學(xué)位論文( i) 通過核函數(shù)( ) 2( , ) exp( / 2 )ik j k j iK x x = x x σ映射到核ELM-AE 中的轉(zhuǎn)化矩陣，則最終的學(xué)習(xí)結(jié)果為( ) ( ) ( ) ( ) ( ) 1 ( )( / )i i i i i iX I C X Ω Γ = ， Γ = + Ω的最后一步中，數(shù)據(jù)( i1)X+可以通過如下的公式獲得! ( ) ( )( ( ) )i i i TX g X+= Γ 意的激活函數(shù)。值得注意的是，如果第 i 層的維數(shù)與第性激活函數(shù)。在 MLKELM，所有的( )( 1)iΓ i> 都擁有同樣障歷史數(shù)據(jù)經(jīng)過多層網(wǎng)絡(luò)的處理過程如圖 3.3 所示X1 Xt XT標(biāo)準(zhǔn)化

【參考文獻(xiàn)】：
期刊論文
[1]航空發(fā)動(dòng)機(jī)氣路部件故障融合診斷方法研究[J]. 李業(yè)波,李秋紅,黃向華,趙永平.  航空學(xué)報(bào). 2014(06)
[2]航空發(fā)動(dòng)機(jī)故障診斷系統(tǒng)性能評價(jià)與仿真驗(yàn)證[J]. 張書剛,郭迎清,陳小磊.  推進(jìn)技術(shù). 2013(08)
[3]基于灰色神經(jīng)網(wǎng)絡(luò)組合模型的航空發(fā)動(dòng)機(jī)磨損趨勢預(yù)測[J]. 張帥,李昂,石宏,李楠.  沈陽航空航天大學(xué)學(xué)報(bào). 2012(03)
[4]卷積和離散過程神經(jīng)網(wǎng)絡(luò)及其在航空發(fā)動(dòng)機(jī)排氣溫度預(yù)測中的應(yīng)用[J]. 鐘詩勝,雷達(dá),丁剛.  航空學(xué)報(bào). 2012(03)
[5]現(xiàn)代航空發(fā)動(dòng)機(jī)健康管理技術(shù)與應(yīng)用[J]. 黃波,周劍波,劉鐵庚.  機(jī)械研究與應(yīng)用. 2011(05)
[6]航空發(fā)動(dòng)機(jī)健康管理綜述[J]. 王施,王榮橋,陳志英,樊江,申秀麗.  燃?xì)鉁u輪試驗(yàn)與研究. 2009(01)
[7]用結(jié)構(gòu)自適應(yīng)神經(jīng)網(wǎng)絡(luò)預(yù)測航空發(fā)動(dòng)機(jī)性能趨勢[J]. 陳果.  航空學(xué)報(bào). 2007(03)
[8]飛機(jī)維修企業(yè)工具管理系統(tǒng)的設(shè)計(jì)與實(shí)踐[J]. 馬景德.  民航經(jīng)濟(jì)與技術(shù). 1997(12)

碩士論文
[1]基于性能參數(shù)預(yù)測的航空發(fā)動(dòng)機(jī)維修決策支持系統(tǒng)研究[D]. 王雄威.哈爾濱工業(yè)大學(xué) 2013
[2]基于HMM的脫機(jī)手寫體字符識別[D]. 李輝熠.長沙理工大學(xué) 2007



本文編號：3619237