| 航空发动机传感器故障与部件故障诊断技术 |
| |
| 作者姓名： | 李业波 李秋红 黄向华 赵永平 |
| |
| 作者单位： | 南京航空航天大学能源与动力学院,南京,210016;南京理工大学机械工程学院,南京,210094 |
| |
| 基金项目： | 国家自然科学基金资助项目(51006052);航空科学基金资助项目(20110652003);中央高校基本科研业务费专项基金资助项目(NZ2012104);江苏省2012年度普通高校研究生科研创新计划(CXZZ12_0169) |
| |
| 摘 要： | 结合局部学习思想与集成学习技术,提出了一种基于支持向量机-极端学习机-卡尔曼滤波器(SVM-ELM-KF,Support Vector Machine-Extreme Learning Machine-Kalman Filter)的航空发动机传感器故障与突发性部件故障诊断的方法.将改进的迭代约简最小二乘支持向量回归机训练技术推广到分类机中,用于区分传感器故障与部件故障,使得该分类机具有一定的稀疏性.对于传感器故障,利用ELM分类机对故障进行定位.对于部件故障,利用改进的卡尔曼滤波器对发动机各部件的健康参数进行估计,从而对部件故障进行定位.仿真结果表明,提出的故障诊断方法能够准确地区分传感器故障和部件故障,实现故障的有效定位,验证了方法的可行性.
|
| 关 键 词： | 航空发动机 传感器故障 部件故障 支持向量机 极端学习机 卡尔曼滤波器 |
| 收稿时间： | 2012-10-17 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《北京航空航天大学学报》浏览原始摘要信息 |
|
点击此处可从《北京航空航天大学学报》下载全文 |
|
