基于改进ReliefF-PNN的航空发动机起动系统异常状态识别

日期:2023.12.25 点击数:0

【类型】期刊

【作者】张雷鸣  蒋丽英  崔建国  李贺  刘明昆  郭濠 

【刊名】沈阳航空航天大学学报

【关键词】 发动机起动系统,概率神经网络,异常状态识别,ReliefF算法,参数选择

【摘要】在航空发动机起动系统异常状态的识别研究中,起动系统的参数具有数据间相关性强、数据维度高、数据冗余信息多等特点。为降低数据维度,提高异常状态识别的准确率,将改进ReliefF算法与概率神经网络(probabilistic neural network,PNN)结合,提出改进ReliefFPNN的航空发动机起动系统异常状态识别方法,更加有效地降低了参数的维度,并提升了异常状态识别模型的性能。利用该模型针对起动系统进行识别验证和分析。结果表明,利用改进后的ReliefF-PNN算法得到的参数子集进行异常状态识别的准确率优于改进前的结果,模型性能得到了进一步改善。

【年份】2023

【作者单位】沈阳航空航天大学自动化学院;

【期号】06

【页码】68-75

3 0
Rss订阅