Kohonen网络在发动机故障诊断中的应用

文中第一部分研究了利用Kohonen 网络进行发动机故障诊断的特点与算法。并以JT9D发动机为例对算法的有效性进行了检验,23 个故障样本的确诊率达到87% 。文中还以一个典型例子进行了详细分析。文中第二部分提出了利用Kohonen 网络进行故障诊断结果排序的方法,该方法有助于给出简明的诊断结论。文中第三部分提出了利用Kohonen 网络提取故障样本群的代表性样本的方法。该方法对于经验故障方程的建立十分有用。      

基于模式识别的航空发动机燃油控制系统传感器故障诊断

航空发动机燃油控制系统执行机构故障有可能导致参数测量传感器出现较大偏差,而采用传统的传感器故障诊断方法易误诊为传感器故障。为此,引入修正因子作为传感器故障模式样本,通过聚类分析获得样本的特征向量;按照卡洛南—路伊变换(K—L变换)原理,对传感测量信息进行变换,构成了新的正交变换矩阵,减弱了各特征向量的相关性,突出了差异性,加强了对故障传感器和发动机燃油控制系统执行机构故障的特征识别能力;利用多组学习训练样本,设计了发动机不同参数测量传感器故障模式的判别函数。经仿真试验验证,该方法可以有效识别、诊断传感器故障。     

基于SVM的小样本可靠性数据分布模式识别研究

小样本数据分布模式识别是航空新装备可靠性分析中亟需解决的一个难题。采用现代统计学原理及支持向量机多分类算法提取了数据分布特征参数,构建了小样本数据分布模式识别模型。测试结果表明,模型对小样本数据分布模式具有较强的识别能力。     

空中交通服务电报智能处理系统

空中交通服务电报采用固定的信息编组方式组织报文.由于传输差错及人为因素引起了报文的非标准化,计算机自动处理困难.本文提出了基于模式识别、神经网络技术的报文处理算法,并进行了仿真实验,结果表明该算法具有较高的报文正确识别率,以及维护简单、扩充方便灵活的优点.      

基于串行支持向量分类器的模拟电路故障诊断

介绍了支持向量机的基本原理,提出一种新型支持向量多类分类器,其中多个二类分类器组成串行结构,每个二类分类器均带有非线性主元素分析特征提取器.描述了其训练与分类算法,并将其应用于非线性电路的部件级诊断.和传统BP网和RBF网分类器相比,支持向量方法在分类准确率上表现出明显的优势,其中串行支持向量多类分类器无论在训练和分类速度方面,还是在诊断准确率方面,都要优于传统并行结构的多类分类器.      

基于SGNN的数字字符识别

自生成神经网络SGNN具有自主学习能力强和计算速度快的特点,可用于识别带噪声的数字字符。首先提取数字字符的特征矢量,然后将特征矢量输入SGNN中对SGNN进行训练建立分类器,通过比较未知样本特征矢量和分类器根节点权值矢量的距离远近从而得到识别结果。实验表明这种方法有较高的识别正确率,其性能优于BP神经网络。     

图像传感器辐射损伤对光通信系统跟瞄精度的影响分析

卫星光通信系统中的图像传感器在空间辐射环境中会因辐射损伤导致成像噪声增大,从而在确定光斑质心时产生偏差,影响系统跟瞄精度。文章基于典型器件地面辐照试验数据分析结果,利用灰度质心算法对不同尺寸模拟缺陷光斑的质心偏差量进行计算,并分析质心偏差对系统跟瞄精度的影响。结果表明:光斑的质心偏移与辐射产生缺陷像素的数量和位置均相关;增大光斑尺寸可减小质心偏差。最后,从抗辐射损伤能力角度为系统光斑尺寸选取提出约束条件要求。     

模式识别与智能系统学科简介

自动化学院现有“控制科学与工程”1个一级学科硕士点，涵盖5个二级硕士点（控制理论与控制工程、检测技术与自动化装置、系统工程、模式识别与智能系统、导航制导与控制），1个控制工程专业学位授予点。     

压气机喘振模式识别与在线检测

为发展一种运算简单、性能可靠的喘振在线检测系统,分析了压气机出口总压信号的时域和频域特性.当压气机逐渐进入喘振时,时域内表现为压力脉动强度的增大,频域内表现为信号能量在低频成分集中.选用标准差σp表征压力脉动强度;平均频率-f表征信号频域特性.考察了由σp和-f构成的模式平面,提出了一种综合时域和频域特性的喘振检测判据,检测门限可根据置信度要求进行设置,给出了在线检测系统的流程图.采用压气机试验台实测数据验证,该方法可有效地进行喘振在线检测.     

神经网络在R＆D项目中止决策中的应用

在比较研究国内外Ｒ＆Ｄ项目中止决策理论方法在基础上，论述了对正在进行的Ｒ＆Ｄ项目进行正确的中止决策模式识别的重要意义。探讨了神经网络（ＮＮ）理论用于Ｒ＆Ｄ项目中止决策的可行性，提出了适用于正在进行的Ｒ＆Ｄ项目的中止决策分析的Ｈｏｐｆｉｅｌｄ神经网络模式识别方法，并用实例验证了方法的有效性。方法的实施较为方便、计算较为简单，结果也令人满意。表明Ｈｏｐｆｉｅｌｄ神经网络模式识别方法在Ｒ＆Ｄ项目中止决策