首页>
根据【作者:韩思聪,郭创,郑晓飞,】搜索到相关结果 3 条
-
基于深度学习的航空传感器故障诊断方法
-
作者:
郑晓飞
郭创
姚斌
冯华鑫
来源:
计算机工程
年份:
2018
文献类型 :
期刊
关键词:
信号重构
故障诊断
深度学习
航空传感器
深度置信网络
故障隔离
-
描述:
为解决传统神经网络进行传感器故障诊断时存在的过拟合、泛化能力有限等问题,提出一种基于深度置信网络观测器的航空传感器故障诊断方法。利用深度置信网络替代浅层神经网络,在优化网络结构的基础上,给出深度置信网络隐层节点数选取的递推公式,构建深度置信网络状态观测器。离线训练时,利用飞行数据训练深度置信网络观测器。在线诊断时,通过比较观测器输出值与实际输出值判断故障类型,并给出3种故障隔离与信号重构方法。仿真结果表明,与BP神经网络观测器相比,该方法能够快速准确地进行故障诊断与隔离,并且完成信号重构。
-
电动飞机大功率泵阀协调作动优化控制仿真
-
作者:
郭创
姚斌
郑晓飞
王云鹏
来源:
计算机仿真
年份:
2018
文献类型 :
期刊
关键词:
滑模变结构控制
最优控制
泵阀协调作动系统
模糊控制
反馈线性化
-
描述:
为解决机载泵阀协调作动系统存在相乘非线性,在参数摄动与负载干扰下很难达到满意的控制效果的问题,提出了一种基于反馈线性化的滑模变结构控制方法。首先,针对作动系统的非线性模型,利用反馈线性化将其变换为一个线性子系统和非线性部分。其次,在保证系统零动态稳定性的前提下,对线性模型设计了滑模变结构控制器,为了提高滑动模态的动态品质,并削弱滑模控制的输出抖振,结合最优控制与模糊控制理论,分别对控制器的切换函数与趋近律进行了设计。利用MATLAB/Simulink软件进行仿真验证。仿真结果表明,上述控制方法提高了控制效果,使系统具有更好的动态响应特性与精度。极大改善了机载泵阀协调作动系统的综合性能。
-
基于深度学习的航空发动机传感器故障检测
-
作者:
刘云龙
谢寿生
郑晓飞
边涛
来源:
传感器与微系统
年份:
2018
文献类型 :
期刊
关键词:
飞参数据
深度学习
故障检测
深度置信网络
航空发动机传感器
-
描述:
针对传统反向传播(BP)神经网络和支持向量机(SVM)存在的过拟合、维数灾难、参数选择困难等问题,提出了一种基于深度学习算法的航空发动机传感器故障检测方法。对发动机参数记录仪采集的多维数据进行预处理,建立基于深度置信网络(DBN)的故障检测模型,利用预处理后的数据对检测模型进行训练,经过DBN故障检测模型逐层特征学习实现了传感器故障检测。仿真结果表明:在无人工特征提取和人工特征提取的情况下,基于DBN故障检测的准确率均高于BP神经网络和SVM模型。