排序方式: 共有9条查询结果,搜索用时 15 毫秒
1
1.
应用快速多分类SVM的航空发动机故障诊断方法 总被引:6,自引:4,他引:2
提出了一种新的快速多分类SVM算法,用于解决大样本情况下航空发动机的多类故障诊断问题。首先,选用层次支持向量机(H-SVM)来实现多类分类,用各类数据中心代表该类数据,通过自组织特征映射神经网络(SOFM)进行聚类,把类中心之间距离较近的数据归为同一个子类进行训练,得到H-SVM层次结构。其次,在训练H-SVM中的二元分类器时,应用相对边界向量(RBV)代替全部训练样本,在保持分类精度几乎不变的条件下大幅度减少了训练样本数,使训练时间明显缩短;同时,由于支持向量的数量减小,分类时间也相应缩短。在分类数据混迭较为严重的情况下,新算法先剔除混迭的异类数据,再计算RBV,并且把与计算的RBV距离小于一定数值的样本都选择来训练SVM,保证了RBV的合理性,防止了关键数据的丢失,有效提高了分类精度。针对一个航空涡喷发动机5类复合故障的分类进行了实例仿真,总的故障分类正确率达到91.2%,二元SVM的训练时间最多只有原来的16.20%;当训练样本总数达到7500的大规模情况下,根据本算法,约减后的样本数量只有原来的3.05%。仿真结果表明,提出的算法有效、可靠,容易实现。 相似文献
2.
基于新型多分类支持向量算法的发动机故障诊断 总被引:1,自引:0,他引:1
层次支持向量机(H-SVM)比通常的"一对多" (1-V-R)和"一对一" (1-V-1)等多分类支持向量算法具有更快的训练速度和分类速度.提出一种基于H-SVM的航空发动机气路部件故障诊断方法,根据特征空间中各类故障样本中心之间的距离来逐层划分子类,距离较近的故障样本归为同一个子类进行训练,得到的H-SVM层次结构合理,各层的SVM分类间隔大、泛化能力强;同时,用ν-SVM代替通常的C-SVM作为两类分类器,分类器参数意义明确、变化范围小,更容易确定.仿真实验表明,基于H-SVM的故障分类器具有良好的分类准确性和泛化性能,能够对发动机气路部件的单一故障和复合故障进行快速诊断. 相似文献
3.
提出一种基于A daBoost的集成神经网络故障诊断方法,利用多层前向神经网络作为故障弱分类器,通过简单地训练若干个单一神经网络并将其预测结果进行合成,实现了对航空发动机多类故障的诊断。针对一个涡轮喷气发动机气路部件的仿真实验表明,这种方法提高了最终故障分类器的泛化能力,便于工程应用。 相似文献
4.
5.
6.
本文提出了一种燃油最省的四维导引算法,可用于在线性计算同时满足燃油最省及到达时间两个条件的最优飞行轨迹。数字仿真结果表明,该算法速度快、精度高,具有工程实用价值。本文所做的工作是为机载四维飞行管理系统实现的必要准备。 相似文献
7.
应用SVM的发动机故障诊断若干问题研究 总被引:3,自引:0,他引:3
支持向量机能够克服一般神经网络容易出现的过学习和泛化能力低等不足。提出一种基于支持向量机的航空发动机气路部件故障诊断方法,讨论了支持向量机的核函数选择和参数确定问题,并对"块算法"进行了分析。仿真实验表明,设计的正则化参数和核参数合理,故障分类器具有良好的分类准确性和泛化性能,可以对发动机气路部件的典型故障进行正确诊断。 相似文献
8.
9.
为了提高微机控制发动机的可靠性,在航空发动机(或陆用航机)上,一般采用双微机系统。对于此类系统,一种情况是:两台微机处于同等重要地位,它们都执行同一套控制算法,通过加权仲裁后,输出信号,控制执行机构;另一种情况是,两台微机,一台作为主机,另一台作为辅机,正常时主机参与控制,辅机仅做故障检测,一旦主机发生故障,辅机接替主机,投入工作,本文对后一种情况的双机系统进行了研究, 相似文献
1