全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
- 基于极限学习机的航空发动机传感器故障诊断研究
- 作者： 刘静雅 来源： 中国民航大学 年份： 2016 文献类型 ： 学位论文 关键词： 航空发动机 传感器 极限学习机 故障诊断 双冗余 可视化
- 描述： 针对基于梯度的传统学习算法多存在参数选择困难、容易陷入局部最小化、过拟合等问题,研究了基于极限学习机的航空发动机传感器故障诊断方法。内容涉及极限学习机算法的优势及改进、双冗余传感器故障诊断机制的建立及传感器故障的仿真验证。首先分析和论述了极限学习机算法的优势。极限学习机算法仅需设置隐含层神经元的个数和选择激活函数,缩短了训练时间。仿真表明:在所建的训练模型精度相近的情况下,极限学习机算法的训练速率比BP神经网络算法的训练速率快两百多倍,且他们的测试精度和测试时间相近。其次分析比较贴合实际的在线贯序极限学习机算法,并提出加权在线贯序极限学习机算法。运用给新旧数据分配不同的权值的方法,实现了对新数据和旧数据的不等权处理。仿真表明:加权在线贯序极限学习机算法比在线贯序极限学习机算法拥有更高的模型测试精度。然后利用加权在线贯序极限学习机算法建立航空发动机传感器的双冗余故障诊断模型,运用空间冗余和时间冗余的结合来实现故障传感器的诊断与定位。并提出用空间冗余残差变化幅值来检测软故障的方法,使软故障的检测时间减短。仿真结果表明:该方案具有一定的可行性,它能够准确进行单一传感器的软故障与硬故障诊断以及直观显示诊断结果。