基于极限学习机的航空发动机故障诊断研究
发布时间：2017-09-07 05:37
本文关键词：基于极限学习机的航空发动机故障诊断研究
更多相关文章： 极限学习机 遗传算法 费舍尔判别法 航空发动机 故障诊断
【摘要】：随着航空发动机复杂化程度和信息化程度的日益增长,发动机的综合能力也得到了飞速提高,使用传统的维修观念、模式和手段已经难以精确地预测、定位并修复故障,维修效率和效益也无法得到保证。因此,为了检测航空发动机的可靠性,设计师将先进的机械工程系统与紧密耦合的电子控制系统相结合,正如所预期的那样,这种新型系统具有广泛的检测和诊断能力。为了解决航空发动机在状态监测方面的问题,本文提出了一种有效的解决方法：通过优化改进的极限学习机(Extreme Learning Machine, ELM)算法来对航空发动机故障诊断进行研究。ELM是一个扩展的单隐层前馈神经网络,它具有计算逼近任意类型的隐藏节点的能力,不需要调整网络的隐藏层。因此,在应用过程中可以大大缩短训练时间。而且极限学习机不但能够得到最小的训练误差,另一方面还能够得到权值的最小值,这意味着它与传统的神经网络相比可以得到更好的泛化性能。同时使用费舍尔判别分析法和云模型理论,将从子空间中提取出的特征输入到极限学习机模型中来诊断航空发动机故障,进一步确定相应的故障类型,最后根据实际数据分析这个故障模型。测试结果是满意的,实验验证了所提出的方法可以对航空发动机工作故障进行有效的分类。通过对比测试表明,这种结合遗传算法的极限学习机可以超越原始算法。因此,改进算法更适应航空发动机的健康状况预测,具有较高的诊断精度和噪声免疫。
【关键词】：极限学习机 遗传算法 费舍尔判别法 航空发动机 故障诊断
【学位授予单位】：中国民用航空飞行学院
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：V263.6
【目录】：
- 摘要6-7
- Abstract7-10
- 第一章 前言10-19
- 1.1 论文研究背景及意义10-11
- 1.2 故障诊断基本概念11-15
- 1.2.1 故障诊断技术12-13
- 1.2.2 航空发动机故障诊断技术途径及发展概况13-15
- 1.3 国内外研究与应用现状分析15-17
- 1.4 本文的研究目的和研究工作安排17-19
- 第二章 航空发动机故障诊断的基础知识19-26
- 2.1 发动机故障诊断的基本概念19
- 2.2 航空发动机故障分类19-20
- 2.3 航空发动机故障诊断存在的主要问题20-21
- 2.4 航空发动机故障诊断指标21-22
- 2.5 航空发动机故障诊断方法22-26
- 2.5.1 基于信号处理的故障诊断22-23
- 2.5.2 基于数学模型的故障诊断23-24
- 2.5.3 基于人工智能的故障诊断24-26
- 第三章 基于极限学习机的故障诊断算法理论研究26-35
- 3.1 故障数据的特征提取26-29
- 3.1.1 主成分分析法26-27
- 3.1.2 费舍尔判别分析法27-29
- 3.2 极限学习机学习算法理论29-32
- 3.3 遗传算法简介32
- 3.4 遗传-极限学习机参数优化32-35
- 第四章 航空发动机气路故障诊断算法研究35-62
- 4.1 航空发动机气路故障诊断基础理论知识35-44
- 4.2 基于BP神经网络的航空发动机气路故障诊断44-48
- 4.2.1 BP神经网络算法理论44-46
- 4.2.2 BP神经神经网络的气路故障诊断结果46-48
- 4.3 基于支持向量机的航空发动机气路故障诊断48-53
- 4.3.1 传统支持向量机理论48-50
- 4.3.2 核函数支持向量机50-51
- 4.3.3 支持向量机的气路故障诊断结果51-53
- 4.4 基于遗传-极限学习机的航空发动机气路故障诊断结果53-59
- 4.5 实验结果研究59-62
- 第五章 发动机轴承故障诊断62-70
- 5.1 云模型理论62-63
- 5.2 云模型发生器63-64
- 5.3 云-神经网络模型64-65
- 5.4 发动机转子故障诊断65-67
- 5.5 实验结果及分析67-70
- 总结与展望70-72
- 总结70
- 展望70-72
- 参考文献72-74
- 攻读硕士学位期间取得的学术成果74-75
- 致谢75
【相似文献】
中国期刊全文数据库 前10条
1 杨平;环境友好的高效航空发动机[J];全球科技经济w，
本文编号：807723
本文链接：https://www.wllwen.com/kejilunwen/hangkongsky/807723.html
