航空发动机故障诊断信息融合方法研究现状

简介了信息融合的层级和实现过程,综述了航空发动机故障诊断信息融合方法研究的现状。     

基于多分类器融合的航空发动机气路故障诊断

为解决航空发动机这一复杂系统的故障诊断问题,提高智能化诊断方法的准确率,使用了D-S证据理论对RBF神经网络、BP神经网络和支持向量机三个诊断子系统的诊断结果进行决策级融合,结果表明D-S证据理论的使用可以达到比单独运用三个子系统具有更好的诊断效能,经过融合降低了误诊率,改善了诊断性能。     

基于改进ANFIS方法的航空发动机气路故障诊断研究

针对标准自适应模糊推理系统存在训练速度较慢且容易陷入局部极小值等缺点,提出了一种改进的ANFIS方法。该方法利用共轭梯度法对自适应模糊神经推理系统的训练算法进行改进,在训练过程中采用Fletcher—Reeves方法计算上次搜索方向对新搜索方向的影响因数。应用该方法对航空发动机气路故障进行分析诊断,取得了较好的效果,从而验证了此方法的可行性。