全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
关键词
- 基于混合区域极点配置的航空发动机全包线鲁棒变参数控制器设计
- 作者： 贾秋生 史新兴 李华聪 韩小宝 李岩 来源： 推进技术 年份： 2021 文献类型 ： 期刊 关键词： 线性变参数模型 航空发动机 鲁棒控制 参数依赖Lyapunov函数 极点配置
- 描述： ,LMI)方程转化为有限维LMI进行控制器求解,并得到了全局解。针对涡扇发动机的仿真结果表明:存在复杂量测噪声干扰条件下,鲁棒变参数控制器可以实现发动机全包线内控制指令的精确跟踪,系统阶跃响应的调节时间不超过1.5s,系统无超调,对控制期望的稳态跟踪误差在0.02%以内,符合发动机控制系统技术要求。
- 基于混合区域极点配置的航空发动机全包线鲁棒变参数控制器设计
- 作者： 贾秋生 史新兴 李华聪 韩小宝 李岩 来源： 推进技术 年份： 2021 文献类型 ： 期刊 关键词： 线性变参数模型 航空发动机 鲁棒控制 参数依赖Lyapunov函数 极点配置
- 描述： ,LMI)方程转化为有限维LMI进行控制器求解,并得到了全局解。针对涡扇发动机的仿真结果表明:存在复杂量测噪声干扰条件下,鲁棒变参数控制器可以实现发动机全包线内控制指令的精确跟踪,系统阶跃响应的调节时间不超过1.5s,系统无超调,对控制期望的稳态跟踪误差在0.02%以内,符合发动机控制系统技术要求。
- 基于混合区域极点配置的航空发动机全包线鲁棒变参数控制器设计
- 作者： 贾秋生 史新兴 李华聪 韩小宝 李岩 来源： 推进技术 年份： 2020 文献类型 ： 期刊 关键词： 线性变参数模型 航空发动机 鲁棒控制 参数依赖Lyapunov函数 极点配置
- 描述： 基于混合区域极点配置的航空发动机全包线鲁棒变参数控制器设计
- 基于混合区域极点配置的航空发动机全包线鲁棒变参数控制器设计
- 作者： 贾秋生 史新兴 李华聪 韩小宝 李岩 来源： 推进技术 年份： 2020 文献类型 ： 期刊 关键词： 线性变参数模型 航空发动机 鲁棒控制 参数依赖Lyapunov函数 极点配置
- 描述： 基于混合区域极点配置的航空发动机全包线鲁棒变参数控制器设计
- 应用深度核极限学习机的航空发动机部件故障诊断
- 作者： 逄珊 杨欣毅 张勇 韦祥 来源： 推进技术 年份： 2018 文献类型 ： 期刊 关键词： 极限学习机 故障诊断 深度神经网络 核方法 涡扇发动机 部件
- 描述： 运用传统单隐层的神经网络进行航空发动机部件故障诊断识别受其浅层结构影响,精度不高,而用深度置信网络(Deep belief network,DBN)等深度学习方法则存在耗时、参数训练复杂的问题。为解决现有的基于数据驱动的发动机部件故障诊断方法的不足,提高诊断精度,缩短训练时间,将核方法和多层极限学习机(Multilayer extreme learning machine,M-ELM)相结合,提出一种深度核极限学习机(Deep kernel extreme learning machine,DK-ELM)。算法首先利用深度网络结构对输入数据进行逐层的特征提取,抽象得到的特征通过核函数实现高维空间映射分类。这些措施有利于提高算法的分类精度和泛化性能,在训练速度上较深度学习也有明显的提高。将该算法与深度学习和其他极限学习机算法进行综合比较研究,结果表明:基于DK-ELM的诊断方法有效、可靠,便于实现,为航空发动机部件故障诊断提供一个更为优秀实用的工具。
- 应用深度核极限学习机的航空发动机部件故障诊断
- 作者： 逄珊 杨欣毅 张勇 韦祥 来源： 推进技术 年份： 2018 文献类型 ： 期刊 关键词： 极限学习机 故障诊断 深度神经网络 核方法 涡扇发动机 部件
- 描述： 运用传统单隐层的神经网络进行航空发动机部件故障诊断识别受其浅层结构影响,精度不高,而用深度置信网络(Deep belief network,DBN)等深度学习方法则存在耗时、参数训练复杂的问题。为解决现有的基于数据驱动的发动机部件故障诊断方法的不足,提高诊断精度,缩短训练时间,将核方法和多层极限学习机(Multilayer extreme learning machine,M-ELM)相结合,提出一种深度核极限学习机(Deep kernel extreme learning machine,DK-ELM)。算法首先利用深度网络结构对输入数据进行逐层的特征提取,抽象得到的特征通过核函数实现高维空间映射分类。这些措施有利于提高算法的分类精度和泛化性能,在训练速度上较深度学习也有明显的提高。将该算法与深度学习和其他极限学习机算法进行综合比较研究,结果表明:基于DK-ELM的诊断方法有效、可靠,便于实现,为航空发动机部件故障诊断提供一个更为优秀实用的工具。
- 应用深度核极限学习机的航空发动机部件故障诊断
- 作者： 逄珊 杨欣毅 张勇 韦祥 来源： 推进技术 年份： 2018 文献类型 ： 期刊 关键词： 极限学习机 故障诊断 深度神经网络 核方法 涡扇发动机 部件
- 描述： 运用传统单隐层的神经网络进行航空发动机部件故障诊断识别受其浅层结构影响,精度不高,而用深度置信网络(Deep belief network,DBN)等深度学习方法则存在耗时、参数训练复杂的问题。为解决现有的基于数据驱动的发动机部件故障诊断方法的不足,提高诊断精度,缩短训练时间,将核方法和多层极限学习机(Multilayer extreme learning machine,M-ELM)相结合,提出一种深度核极限学习机(Deep kernel extreme learning machine,DK-ELM)。算法首先利用深度网络结构对输入数据进行逐层的特征提取,抽象得到的特征通过核函数实现高维空间映射分类。这些措施有利于提高算法的分类精度和泛化性能,在训练速度上较深度学习也有明显的提高。将该算法与深度学习和其他极限学习机算法进行综合比较研究,结果表明:基于DK-ELM的诊断方法有效、可靠,便于实现,为航空发动机部件故障诊断提供一个更为优秀实用的工具。
- 应用深度核极限学习机的航空发动机部件故障诊断
- 作者： 逄珊 杨欣毅 张勇 韦祥 来源： 推进技术 年份： 2018 文献类型 ： 期刊 关键词： 极限学习机 故障诊断 深度神经网络 核方法 涡扇发动机 部件
- 描述： 运用传统单隐层的神经网络进行航空发动机部件故障诊断识别受其浅层结构影响,精度不高,而用深度置信网络(Deep belief network,DBN)等深度学习方法则存在耗时、参数训练复杂的问题。为解决现有的基于数据驱动的发动机部件故障诊断方法的不足,提高诊断精度,缩短训练时间,将核方法和多层极限学习机(Multilayer extreme learning machine,M-ELM)相结合,提出一种深度核极限学习机(Deep kernel extreme learning machine,DK-ELM)。算法首先利用深度网络结构对输入数据进行逐层的特征提取,抽象得到的特征通过核函数实现高维空间映射分类。这些措施有利于提高算法的分类精度和泛化性能,在训练速度上较深度学习也有明显的提高。将该算法与深度学习和其他极限学习机算法进行综合比较研究,结果表明:基于DK-ELM的诊断方法有效、可靠,便于实现,为航空发动机部件故障诊断提供一个更为优秀实用的工具。