| 航空发动机气路部件故障融合诊断方法研究 |
| |
| 引用本文： | 李业波,李秋红,黄向华,赵永平.航空发动机气路部件故障融合诊断方法研究[J].航空学报,2014(6):1612-1622. |
| |
| 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江苏省航空动力系统重点实验室;南京理工大学机械工程学院; |
| |
| 基金项目： | 国家自然科学基金(51006052,61104067);航空科学基金(20110652003);中央高校基本科研业务费专项基金(NZ2012104);江苏省2012年度普通高校研究生科研创新计划(CXZZ12_0169)~~ |
| |
| 摘 要： | 针对发动机气路部件故障,提出了一种基于模型和基于数据驱动的融合诊断方法。采用极端学习机(ELM)实现基于数据驱动的故障诊断。针对ELM随机选择输入层权值和隐含层偏置带来的缺点,采用改进微分进化(IDE)算法以训练样本的均方根误差(RMSE)和输出层权值的范数为评价标准对其进行优化,减少了ELM的隐含层节点数,提高了网络的泛化能力。同时,由于传感器数目的不足,采用基于奇异值分解(SVD)的Kalman(SVD-Kalman)滤波器实现基于模型的部件故障诊断。为了提高航空发动机部件故障诊断的精度,利用改进的迭代约简最小二乘支持向量回归机(IRR-LSSVR)算法对两种算法的估计结果在特征层进行定量融合。仿真结果表明,在发动机稳态状态下,与单独使用基于模型和数据驱动的诊断方法相比,采用特征层融合有效地提高了部件故障诊断的精度和准确率。
|
| 关 键 词： | 航空发动机 极端学习机 部件故障 微分进化 Kalman滤波器 信息融合 |
| 本文献已被 CNKI 等数据库收录！ |
|
