排序方式: 共有25条查询结果,搜索用时 15 毫秒
11.
一种基于相邻模块化加权D-S的融合诊断方法 总被引:1,自引:1,他引:0
常规D-S (Dempster-Shafter)决策融合方法由于其自身理论不足,不能很好直接处理决策结果偏差大、冲突大的传感器融合问题,因而对于信息高冲突情况下的转子微弱故障融合诊断存在着失效问题。针对该类问题与不足,借鉴复杂网络的舆论传播、社会学习理论及多智能体一致性决策的相关概念与思路,从避免决策结果冲突大的传感器直接进行融合的角度进行改进,提出相邻模块化加权D-S融合方法。该方法首先根据初步结果进行相邻节点与模块划分,只有决策距离在相邻界限值范围内的相邻模块节点才能进行决策融合;对于同一模块内相邻节点,根据各节点决策权重及初步决策结果采用加权D-S融合方法进行决策融合;针对融合结果再进行相邻节点模块划分与融合,依此步骤进行循环划分与融合,直到所有模块与节点均不相邻;最后采用专家权威决策方法确定权重和最大的模块融合结果作为最终的传感器网络一致性决策结果。通过多传感器网络的转子故障模拟实验对所提方法进行验证,应用结果表明:所提方法可以较好解决少数传感器诊断正确、而多数诊断错误的信息高冲突条件下的局部微弱故障融合诊断问题。 相似文献
12.
为解决航空发动机分布式控制系统中网络参数与控制性能之间的冲突问题,提出了一种基于线性矩阵不等式理论的网络参数与保成本容错控制器协同设计方法。建立MEF-TOD调度协议作用下状态变量和控制变量的传输特性;将采样周期和数据包容量作为未知量引入航空发动机分布式控制系统的建模过程,得到调度协议约束下的网络参数与控制系统参数联合模型;给出联合闭环系统渐进稳定且存在成本函数上界的充分条件,并给出了网络参数与控制器增益的具体求解步骤。仿真结果显示,控制器与网络参数的协同设计方法能够求解出最优采样周期和数据包容量,据此得到容错控制器能够使航空发动机分布式控制系统在发生主动丢包故障的情况下,联合闭环系统渐进稳定,且低压转子转速超调量降低了80%,参数摆动降低了66.7%,保证控制器动态性能最优。 相似文献
13.
提出了航空发动机的动态非线性Voherra-Laguerre扩展模型的辨识建模方法.应用Laguerre序列简化线性系统的原理,将Volterra级数模型拓展为Volterra-Laguerre扩展模型,该模型较传统Volterra级数模型减少了辨识量,提高了辨识速度.采用航空发动机地面试车数据辨识建立了其加速过程非线性Volt-erra-Laguerre扩展模型,通过递推最小二乘法辨识了模型参数.仿真结果表明,模型精度高,高低压转子相对转速误差均小于1%,涡轮后燃气温度误差小于3℃,满足发动机控制仿真的需要. 相似文献
14.
15.
DiverseAdaBoost-SVM分类方法及其在航空发动机故障诊断中的应用 总被引:1,自引:0,他引:1
提出采用考虑到精度/差异权衡的SVM作为弱分类器的一种新的组合分类诊断方法——Diverse AdaBoost-SVM。该方法通过在一组具有适当精度的弱分类器中进一步选择具有较大差异性的弱分类器,对这些具有较大差异性的弱分类器进行组合,从而较好解决AdaBoost算法中存在的精度/差异权衡的难题;同时该方法也较好地解决了现有的AdaBoost方法存在的弱分类器本身参数选取困难问题及训练轮数T的合理选取问题。通过对基准数据库的测试及航空发动机故障样本的诊断,结果表明和其他方法相比,Diverse AdaBoost -SVM方法具有更好的泛化性能,更适合对分散程度较大、聚类性较差的航空发动机故障样本进行分类,也更适合对非对称故障样本集进行分类。 相似文献
16.
提出了一种基于Elman神经网络的航空发动机故障智能诊断方法。以在某型发动机地面定检状态下实测的数据作为样本数据,建立了航空发动机故障诊断模型,利用该模型成功地对实测发动机参数进行了诊断。研究结果表明:该方法对权值初始值选取、隐含层节点数选取和输入样本规范化处理等不敏感,具有学习速度快、诊断精度高等优点。 相似文献
17.
基于非线性阻尼的航空发动机高压转子拉杆结构装配检测方法 总被引:2,自引:1,他引:1
为了提高航空发动机高压转子拉杆结构的装配质量,提出了基于非线性阻尼的装配检测方法。该方法运用组合阻尼模型描述拉杆结构的非线性接触特性,并通过能量方程推导出基于Hilbert-Huang变换(HHT)方法的非线性阻尼的识别公式。在拉杆结构正常装配、单个螺栓松动和2个不相邻螺栓松动的3种情况下,采用非线性阻尼识别法进行实验,将3种情况得到的实验结果进行对比,发现基于组合阻尼模型得到的非线性阻尼与装配情况具有强烈的相关性,从而验证了基于非线性阻尼的装配检测方法的有效性。 相似文献
18.
19.
20.