| 基于量子粒子群和流形学习的分类方法及其在发动机故障诊断中的应用 |
| |
| 引用本文： | 马 力,李 冬,薛庆增,王 辉,谭 巍.基于量子粒子群和流形学习的分类方法及其在发动机故障诊断中的应用[J].推进技术,2014,35(10):1412-1418. |
| |
| 作者姓名： | 马 力 李 冬 薛庆增 王 辉 谭 巍 |
| |
| 作者单位： | 海军驻沈阳地区发动机专业军事代表室，辽宁 沈阳，110043;海军航空工程学院 研究生管理大队，
山东 烟台，264001; 海军航空兵学院，辽宁 葫芦岛，125001;海军驻沈阳地区发动机专业军事代表室，辽宁 沈阳，110043;海军航空工程学院 研究生管理大队，
山东 烟台，264001; 92941部队 93分队，辽宁 葫芦岛，125001;海军航空兵学院，辽宁 葫芦岛，125001 |
| |
| 摘 要： | 针对测量参数存在的非线性、参数间的耦合性以及噪声干扰,将量子粒子群算法引入到流形学习的参数选择中,结合径向基神经网络,提出了一种故障诊断方法。邻域个数和约简维数是流形学习中的关键问题。结果表明:该方法首先利用量子粒子群算法优选邻域个数、约简维数和径向基函数的参数,再利用等距特征映射(ISOMAP)对原始参数进行非线性降维,提取其低维流形特征,从而进行故障分类。结果表明:该方法能够有效地对发动机各种复合故障进行分类,精度达到97.33%,量子粒子群优于基本粒子群优化的分类结果;其分类精度明显优于主元分析(PCA)、核主元分析(KPCA)方法,且有很强的抗噪能力。
|
| 关 键 词： | 流形学习 量子粒子群优化 等距映射 主元分析 核主元分析 径向基网络 故障分类 |
| 收稿时间： | 1/3/2014 12:00:00 AM |
| 修稿时间： | 3/1/2014 12:00:00 AM |
Classification Method Based Quantum Particle Swarm and Manifold Learning and Its Application to Engine Fault Diagnosis |
| |
| MA Li,LI Dong,XUE Qing-zeng,WANG Hui and TAN Wei.Classification Method Based Quantum Particle Swarm and Manifold Learning and Its Application to Engine Fault Diagnosis[J].Journal of Propulsion Technology,2014,35(10):1412-1418. |
| |
| Authors: | MA Li LI Dong XUE Qing-zeng WANG Hui and TAN Wei |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《推进技术》浏览原始摘要信息 |
| 点击此处可从《推进技术》下载免费的PDF全文 |
|
