首页 | 本学科首页   官方微博 | 高级检索  
     

改进BA优化的MKSVDD航空发动机工作状态识别
引用本文:何大伟,彭靖波,胡金海,宋志平. 改进BA优化的MKSVDD航空发动机工作状态识别[J]. 北京航空航天大学学报, 2018, 44(10): 2238-2246. DOI: 10.13700/j.bh.1001-5965.2017.0756
作者姓名:何大伟  彭靖波  胡金海  宋志平
作者单位:1.空军工程大学 航空工程学院, 西安 710038
基金项目:国家自然科学基金(51506221);陕西省自然科学基础研究计划(2015JQ5179)
摘    要:为了提高航空发动机工作状态识别准确率和效率,避免人工识别中存在的误判和耗时耗力问题,提出了基于混沌脉冲蝙蝠算法(CRBA)优化的多核支持向量数据描述(CRBA-MKSVDD)智能识别方法。研究了多核支持向量数据描述(MKSVDD)改进策略,引入混沌脉冲发射率提高了蝙蝠算法(BA)的收敛速度和收敛精度,得到了CRBA;通过CRBA优化MKSVDD的惩罚因子和核参数,同时对飞参数据进行了特征提取;基于特征飞参数据训练了CRBA-MKSVDD分类器,并对某型发动机一个飞行架次的工作状态进行了识别。结果表明,该方法识别准确率达到97.547 9%,可用于与发动机工作状态的相关研究和应用。 

关 键 词:多核支持向量数据描述(MKSVDD)   改进蝙蝠算法   航空发动机   工作状态识别   飞参数据
收稿时间:2017-12-06

Aero-engine working condition recognition based on MKSVDD optimized by improved BA
HE Dawei,PENG Jingbo,HU Jinhai,SONG Zhiping. Aero-engine working condition recognition based on MKSVDD optimized by improved BA[J]. Journal of Beijing University of Aeronautics and Astronautics, 2018, 44(10): 2238-2246. DOI: 10.13700/j.bh.1001-5965.2017.0756
Authors:HE Dawei  PENG Jingbo  HU Jinhai  SONG Zhiping
Affiliation:1.Air Force Engineering University, Faculty of Aeronautical Engineering, Xi'an 710038, China2.Xi'an Jiaotong University, Xi'an 710054, China
Abstract:
Keywords:
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
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号