發(fā)布時間：2019-06-22 14:18

【摘要】：為提高航空發(fā)動機故障診斷的精度,提出改進粒子群優(yōu)化的Elman神經(jīng)網(wǎng)絡(luò)對航空發(fā)動機故障診斷的方法。利用MIV(平均影響值)對神經(jīng)網(wǎng)絡(luò)的輸入端自變量進行篩選,降低輸入維度;采用改進粒子群優(yōu)化算法對Elman神經(jīng)網(wǎng)絡(luò)的權(quán)值和閥值進行優(yōu)化,并對優(yōu)化的神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練;用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)對航空發(fā)動機故障進行診斷并與常規(guī)的BP(back propagation)、Elman神經(jīng)網(wǎng)絡(luò)、GM(1,n)、SVM(support vector machines)進行對比。仿真結(jié)果表明:IPSO-Elman(improved particle swarm optimization Elman neural network)神經(jīng)網(wǎng)絡(luò)的診斷誤差在不同數(shù)量訓(xùn)練樣本時都小于其他方法,并且在參選故障診斷的性能參數(shù)不同時,其診斷誤差相近,展現(xiàn)出較強的適應(yīng)能力。
[Abstract]:In order to improve the accuracy of aero-engine fault diagnosis, a method of improving particle swarm optimization (Elman) neural network for aero-engine fault diagnosis is proposed. MIV (average influence value) is used to screen the input independent variables of the neural network to reduce the input dimension; the improved particle swarm optimization algorithm is used to optimize the weight and threshold of the Elman neural network, and the optimized neural network is trained. The trained neural network is used to diagnose the aero-engine fault and compare it with the conventional BP (back propagation), Elman neural network, GM (1, n), SVM (support vector machines). The simulation results show that the diagnosis error of IPSO-Elman (improved particle swarm optimization Elman neural network) neural network is smaller than that of other methods when the number of training samples is different, and the diagnosis error is similar when the performance parameters of fault diagnosis are different, which shows a strong adaptability.
【作者單位】： 中國民航大學(xué)中歐航空工程師學(xué)院;中國民航大學(xué)航空工程學(xué)院;
【基金】：中央高�；究蒲袠I(yè)務(wù)費中國民航大學(xué)專項資金(3122013H001)
【分類號】：TP183;V263.6

【相似文獻】

相關(guān)期刊論文 前10條

1 王儉臣;齊曉慧;單甘霖;;基于EPSO-BP的Elman網(wǎng)絡(luò)及其在飛行軌跡預(yù)測中的應(yīng)用[J];控制與決策;2013年12期

2 曲東才;陳琪;張睿智;;Elman網(wǎng)絡(luò)在某型自動駕駛儀飛控盒多故障診斷中的仿真研究[J];飛機設(shè)計;2008年02期

3 谷吉海,姜興渭,王曉鋒,龍兵;雙向Elman神經(jīng)網(wǎng)絡(luò)在衛(wèi)星電池陣功率預(yù)測中的應(yīng)用研究[J];南京理工大學(xué)學(xué)報(自然科學(xué)版);2004年04期

4 寇蔚,孫豐瑞,楊立;神經(jīng)網(wǎng)絡(luò)求解傳熱反問題的可行性研究[J];激光與紅外;2004年05期

5 崔定軍,楊爾輔,張振鵬,劉國球;基于神經(jīng)網(wǎng)絡(luò)的火箭發(fā)動機動態(tài)過程建模[J];航空動力學(xué)報;1995年03期

6 孫偉;張呈林;;神經(jīng)網(wǎng)絡(luò)在直升機概念設(shè)計中的應(yīng)用[J];南京航空航天大學(xué)學(xué)報;2009年01期

7 黃夢濤，趙軼群，劉穎;神經(jīng)網(wǎng)絡(luò)在煤低溫自燃實驗爐建模中的應(yīng)用[J];西安礦業(yè)學(xué)院學(xué)報;1996年01期

8 唐立文,沈懷榮;神經(jīng)網(wǎng)絡(luò)技術(shù)在載人飛船故障診斷與決策中的應(yīng)用設(shè)想[J];指揮技術(shù)學(xué)院學(xué)報;2000年04期

9 周山;李訓(xùn)亮;;復(fù)合神經(jīng)網(wǎng)絡(luò)在飛參缺損數(shù)據(jù)估計中的應(yīng)用[J];計測技術(shù);2010年01期

10 尚琳;何發(fā)東;楊華保;舒成輝;;基于神經(jīng)網(wǎng)絡(luò)的垂尾飛行載荷模型研究[J];強度與環(huán)境;2011年05期

相關(guān)會議論文 前10條

1 趙新剛;伊嘉瑞;張嬋;韓建達;;基于遙控數(shù)據(jù)學(xué)習(xí)的小型直升機控制方法研究[A];2010中國儀器儀表與測控技術(shù)大會論文集[C];2010年

2 孫伶俐;何緒飛;鄧忠民;;基于BP神經(jīng)網(wǎng)絡(luò)的飛行器結(jié)構(gòu)損傷量化分析[A];北京力學(xué)會第十六屆學(xué)術(shù)年會論文集[C];2010年

3 徐寶昌;陳哲;;基于神經(jīng)網(wǎng)絡(luò)的景像匹配算法研究[A];中國慣性技術(shù)學(xué)會第五屆學(xué)術(shù)年會論文集[C];2003年

4 應(yīng)偉;馮艷;王鎖芳;;基于小波和神經(jīng)網(wǎng)絡(luò)的流型辨識研究[A];第五屆全國流體傳動與控制學(xué)術(shù)會議暨2008年中國航空學(xué)會液壓與氣動學(xué)術(shù)會議論文集[C];2008年

5 費慶國;張令彌;;基于RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)動態(tài)有限元模型修正研究[A];探索創(chuàng)新交流－－中國航空學(xué)會青年科技論壇文集[C];2004年

6 胡雷剛;肖明清;;基于BP神經(jīng)網(wǎng)絡(luò)的航空設(shè)備故障預(yù)測[A];第六屆全國信息獲取與處理學(xué)術(shù)會議論文集（3）[C];2008年

7 曾勇;于聰梅;劉丹;;基于神經(jīng)網(wǎng)絡(luò)的SINS溫度補償技術(shù)[A];科技創(chuàng)新與節(jié)能減排——吉林省第五屆科學(xué)技術(shù)學(xué)術(shù)年會論文集（上冊）[C];2008年

8 李壽濤;李元春;;基于遞階行為的模糊邏輯／神經(jīng)網(wǎng)絡(luò)移動小車控制算法[A];中國宇航學(xué)會深空探測技術(shù)專業(yè)委員會第一屆學(xué)術(shù)會議論文集[C];2005年

9 張鵬;李學(xué)仁;景博;杜軍;張建業(yè);;多源信息融合技術(shù)在航空發(fā)動機故障診斷中的應(yīng)用研究[A];中國航空學(xué)會控制與應(yīng)用第十二屆學(xué)術(shù)年會論文集[C];2006年

10 李康;何衛(wèi)鋒;程禮;;基于諧波小波分解的航空發(fā)動機故障診斷[A];設(shè)備監(jiān)測與診斷技術(shù)及其應(yīng)用——第十二屆全國設(shè)備監(jiān)測與診斷學(xué)術(shù)會議論文集[C];2005年

相關(guān)博士學(xué)位論文 前6條

1 張?zhí)旎?基于智能算法與模糊控制的室內(nèi)環(huán)境反向設(shè)計方法研究[D];天津大學(xué);2015年

2 岑朝輝;衛(wèi)星姿態(tài)控制系統(tǒng)中的故障診斷研究[D];華中科技大學(xué);2011年

3 郝英;基于智能技術(shù)的民航發(fā)動機故障診斷和壽命預(yù)測研究[D];南京航空航天大學(xué);2006年

4 劉永建;基于改進神經(jīng)網(wǎng)絡(luò)的民機發(fā)動機故障診斷與性能預(yù)測研究[D];南京航空航天大學(xué);2012年

5 吳文杰;基于信息融合的航空發(fā)動機故障診斷方法[D];電子科技大學(xué);2011年

6 魯峰;航空發(fā)動機故障診斷的融合技術(shù)研究[D];南京航空航天大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 吳岸平;小型無人機飛行控制系統(tǒng)設(shè)計研究[D];國防科學(xué)技術(shù)大學(xué);2013年

2 祖昊煒;引射式跨聲速風(fēng)洞關(guān)鍵參數(shù)的建模[D];東北大學(xué);2014年

3 王兆陽;基于小波包神經(jīng)網(wǎng)絡(luò)的航空發(fā)動機轉(zhuǎn)子故障診斷[D];西安工業(yè)大學(xué);2016年

4 朱亞萍;衛(wèi)星姿態(tài)控制系統(tǒng)的分級故障診斷方法研究[D];南京航空航天大學(xué);2016年

5 王國成;基于神經(jīng)網(wǎng)絡(luò)的飛行器電機同步控制研究與實現(xiàn)[D];黑龍江大學(xué);2016年

6 李新;基于神經(jīng)網(wǎng)絡(luò)的航天器姿態(tài)控制系統(tǒng)故障診斷研究[D];沈陽航空航天大學(xué);2016年

7 谷新銘;基于神經(jīng)網(wǎng)絡(luò)的電動負載模擬器控制方法研究[D];中國民航大學(xué);2015年

8 趙博陽;飛機甚高頻故障診斷方法研究[D];中國民航大學(xué);2013年

9 王顯博;基于三自由度直升機模型的粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)控制算法研究[D];哈爾濱理工大學(xué);2016年

10 劉強;四旋翼飛行器姿態(tài)傳感器的故障診斷技術(shù)研究[D];中北大學(xué);2017年

，

本文編號：2504660