共查询到18条相似文献,搜索用时 62 毫秒
1.
2.
基于支持向量机的航空发动机故障诊断 总被引:18,自引:6,他引:18
支持向量机是一种具有完备统计学习理论基础和出色学习性能的新型机器学习方法,它能够较好地克服神经网络容易出现的过学习和泛化能力低等缺陷。提出一种基于支持向量机的航空发动机故障诊断方法,应用该方法成功地对发动机气路部件的几种典型故障进行了正确诊断。在对检验样本施加噪声后,支持向量机构成的故障分类器仍然能够满足发动机故障诊断的要求,表明提出的故障诊断算法具有良好的鲁棒性,可以作为工程应用的基础。 相似文献
3.
4.
5.
支持向量机在航空发动机起动模型辨识中的应用研究 总被引:1,自引:0,他引:1
支持向量机(SVM)可以优化网络,有效降低模型复杂性,不存在维数灾难和局部极小问题。本文以某型发动机起动调整试验的试车数据为样本,使用SVM对某一大气条件下的发动机起动模型进行了辨识,并使用另外一组试车数据.通过辨识模型对起动过程进行了仿真;最后,比较了SVM和RBF神经网络起动模型的辨识精度。结果表明,用SVM辨识发动机起动过程模型,方法简单,学习速度快,辨识精度较高。 相似文献
6.
支持向量机在燃气涡轮性能诊断中的应用 总被引:5,自引:2,他引:5
由Vapnik统计学习理论得到的支持向量机是一种新的人工智能方法,它具有比人工神经网络更好的泛化性。文中构建了一种基于C—SVC的故障诊断模型(CBFDM),并采用5重交叉验证法来选择模型参数,该模型可给出3个最可能的故障原因。利用PW4000—94发动机巡航态影响系数矩阵产生仿真数据,对CBFDM研究结果表明,即使在噪声级别为正常情况下的3倍时,该模型诊断准确率仍超过93%。该诊断模型也可用于其它领域诊断问题。 相似文献
7.
8.
9.
考虑到压气机内部压力值的相关维数对发动机失速信号的敏感性,研究了基于相关维数的发动机起动过失速控制问题.实例分析结果表明,利用压气机内部压力相关维数的变化来确定发动机的失速时机,并通过对发动机起动过程主燃烧室供油控制规律的调整,可以实现对涡扇发动机起动过失速状态的控制. 相似文献
10.
为了解决某型涡扇发动机慢车转速以下的数学模型难以建立,无法进行起动性能数值计算的问题,提出了用支持向量机辨识起动模型,依据辨识结果估算起动性能的方法。采用发动机起动试验数据作为学习样本,建立了基于支持向量机的非线性动态起动模型。根据该型发动机起动供油量调整试验得到的供油压力数据,利用所建立的模型对起动性能进行了估算,给出了估算结果与试验数据的对比情况。研究表明,将支持向量机用于起动模型的辨识是可行的,能够较好地解决某型发动机起动性能计算的难题。 相似文献
11.
12.
13.
14.
基于支持向量机的民航发动机故障检测研究 总被引:3,自引:0,他引:3
将支持向量机用于民航PW4056发动机故障检测研究。首先,对3个发动机巡航数据偏差进行研究,分析得到故障检测应采用短期偏差;其次,由于模型参数对检测准确率影响很大,文中采用验证法进行模型参数选择,并分析了模型参数对检测准确率的影响;最后,对检测模型的输出进行了分析,并定义了异常指数来衡量发动机故障严重程度,其中检测模型的训练和验证采用了发动机真实运行数据。研究表明,该发动机故障检测模型有效可行,准确率达到90%,但要获得更高的检测准确率,还需进一步提高数据质量。 相似文献
15.
16.
17.