本文關(guān)鍵詞：基于極限學(xué)習機的航空發(fā)動機故障診斷研究

  更多相關(guān)文章： 極限學(xué)習機 遺傳算法 費舍爾判別法 航空發(fā)動機 故障診斷

【摘要】：隨著航空發(fā)動機復(fù)雜化程度和信息化程度的日益增長,發(fā)動機的綜合能力也得到了飛速提高,使用傳統(tǒng)的維修觀念、模式和手段已經(jīng)難以精確地預(yù)測、定位并修復(fù)故障,維修效率和效益也無法得到保證。因此,為了檢測航空發(fā)動機的可靠性,設(shè)計師將先進的機械工程系統(tǒng)與緊密耦合的電子控制系統(tǒng)相結(jié)合,正如所預(yù)期的那樣,這種新型系統(tǒng)具有廣泛的檢測和診斷能力。為了解決航空發(fā)動機在狀態(tài)監(jiān)測方面的問題,本文提出了一種有效的解決方法：通過優(yōu)化改進的極限學(xué)習機(Extreme Learning Machine, ELM)算法來對航空發(fā)動機故障診斷進行研究。ELM是一個擴展的單隱層前饋神經(jīng)網(wǎng)絡(luò),它具有計算逼近任意類型的隱藏節(jié)點的能力,不需要調(diào)整網(wǎng)絡(luò)的隱藏層。因此,在應(yīng)用過程中可以大大縮短訓(xùn)練時間。而且極限學(xué)習機不但能夠得到最小的訓(xùn)練誤差,另一方面還能夠得到權(quán)值的最小值,這意味著它與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)相比可以得到更好的泛化性能。同時使用費舍爾判別分析法和云模型理論,將從子空間中提取出的特征輸入到極限學(xué)習機模型中來診斷航空發(fā)動機故障,進一步確定相應(yīng)的故障類型,最后根據(jù)實際數(shù)據(jù)分析這個故障模型。測試結(jié)果是滿意的,實驗驗證了所提出的方法可以對航空發(fā)動機工作故障進行有效的分類。通過對比測試表明,這種結(jié)合遺傳算法的極限學(xué)習機可以超越原始算法。因此,改進算法更適應(yīng)航空發(fā)動機的健康狀況預(yù)測,具有較高的診斷精度和噪聲免疫。
【關(guān)鍵詞】：極限學(xué)習機 遺傳算法 費舍爾判別法 航空發(fā)動機 故障診斷
【學(xué)位授予單位】：中國民用航空飛行學(xué)院
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：V263.6
【目錄】：

• 摘要6-7
• Abstract7-10
• 第一章 前言10-19
• 1.1 論文研究背景及意義10-11
• 1.2 故障診斷基本概念11-15
• 1.2.1 故障診斷技術(shù)12-13
• 1.2.2 航空發(fā)動機故障診斷技術(shù)途徑及發(fā)展概況13-15
• 1.3 國內(nèi)外研究與應(yīng)用現(xiàn)狀分析15-17
• 1.4 本文的研究目的和研究工作安排17-19
• 第二章 航空發(fā)動機故障診斷的基礎(chǔ)知識19-26
• 2.1 發(fā)動機故障診斷的基本概念19
• 2.2 航空發(fā)動機故障分類19-20
• 2.3 航空發(fā)動機故障診斷存在的主要問題20-21
• 2.4 航空發(fā)動機故障診斷指標21-22
• 2.5 航空發(fā)動機故障診斷方法22-26
• 2.5.1 基于信號處理的故障診斷22-23
• 2.5.2 基于數(shù)學(xué)模型的故障診斷23-24
• 2.5.3 基于人工智能的故障診斷24-26
• 第三章 基于極限學(xué)習機的故障診斷算法理論研究26-35
• 3.1 故障數(shù)據(jù)的特征提取26-29
• 3.1.1 主成分分析法26-27
• 3.1.2 費舍爾判別分析法27-29
• 3.2 極限學(xué)習機學(xué)習算法理論29-32
• 3.3 遺傳算法簡介32
• 3.4 遺傳-極限學(xué)習機參數(shù)優(yōu)化32-35
• 第四章 航空發(fā)動機氣路故障診斷算法研究35-62
• 4.1 航空發(fā)動機氣路故障診斷基礎(chǔ)理論知識35-44
• 4.2 基于BP神經(jīng)網(wǎng)絡(luò)的航空發(fā)動機氣路故障診斷44-48
• 4.2.1 BP神經(jīng)網(wǎng)絡(luò)算法理論44-46
• 4.2.2 BP神經(jīng)神經(jīng)網(wǎng)絡(luò)的氣路故障診斷結(jié)果46-48
• 4.3 基于支持向量機的航空發(fā)動機氣路故障診斷48-53
• 4.3.1 傳統(tǒng)支持向量機理論48-50
• 4.3.2 核函數(shù)支持向量機50-51
• 4.3.3 支持向量機的氣路故障診斷結(jié)果51-53
• 4.4 基于遺傳-極限學(xué)習機的航空發(fā)動機氣路故障診斷結(jié)果53-59
• 4.5 實驗結(jié)果研究59-62
• 第五章 發(fā)動機軸承故障診斷62-70
• 5.1 云模型理論62-63
• 5.2 云模型發(fā)生器63-64
• 5.3 云-神經(jīng)網(wǎng)絡(luò)模型64-65
• 5.4 發(fā)動機轉(zhuǎn)子故障診斷65-67
• 5.5 實驗結(jié)果及分析67-70
• 總結(jié)與展望70-72
• 總結(jié)70
• 展望70-72
• 參考文獻72-74
• 攻讀碩士學(xué)位期間取得的學(xué)術(shù)成果74-75
• 致謝75

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 楊平;環(huán)境友好的高效航空發(fā)動機[J];全球科技經(jīng)濟w，

本文編號：807723