《基于极限学习机的航空发动机传感器故障诊断》PDF+DOC
作者:孙毅刚,刘静雅,赵珍
单位:中国电子科技集团公司第四十九研究所
出版:《传感器与微系统》2014年第08期
页数:4页 (PDF与DOC格式可能不同)
PDF编号:PDFCGQJ2014080070
DOC编号:DOCCGQJ2014080079
下载格式:PDF + Word/doc 文字可复制、可编辑
《加权在线贯序极限学习机算法及其应用》PDF+DOC2014年第10期 孙毅刚,刘静雅,赵珍
《基于ELM的航空发动机传感器故障诊断方法研究》PDF+DOC2015年第04期 王雷,沈龙云,孙毅刚
《用于航空发动机动态辨识的MSMEA-ELM算法》PDF+DOC2016年第12期 许梦阳,黄金泉,潘慕绚
《基于残差分析的挠度传感器故障时间定位算法》PDF+DOC2016年第09期 胡顺仁,赵宁博,张建科
《航空发动机燃油系统执行机构及其传感器故障诊断》PDF+DOC2015年第06期 姜洁,李秋红,张高钱,居新星
《基于传感器人体行为识别深度学习模型的研究》PDF+DOC2018年第04期 陈波,余秋婷,陈铁明
《基于自联想神经网络的传感器故障诊断》PDF+DOC2007年第04期 许跃,朱伟兴
《神经网络和卡尔曼滤波融合的航空发动机传感器故障诊断》PDF+DOC2011年第08期 尹俊,郭迎清
《基于改进LS-SVM的航空发动机传感器故障诊断与自适应重构控制》PDF+DOC2008年第06期 蔡开龙,谢寿生,杨伟,吴勇
《基于ImOS-ELM的航空发动机传感器故障自适应诊断技术》PDF+DOC2013年第10期 李业波,李秋红,王健康,黄向华,赵永平
针对当前应用于航空发动机传感器故障诊断中的基于梯度的传统学习算法多存在参数选择困难、容易陷入局部最小化、过拟合等问题,提出了基于极限学习机(ELM)的航空发动机传感器故障诊断方法。算法只需设置隐含层神经元的个数,能够较好地避免上述问题,缩短故障诊断时间、提升诊断精度。通过仿真试验表明:基于ELM算法所建的航空发动机传感器故障诊断模型要比基于BP神经网络算法所建的模型耗时短且精度高。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。