《基于ImOS-ELM的航空发动机传感器故障自适应诊断技术》PDF+DOC
作者:李业波,李秋红,王健康,黄向华,赵永平
单位:中国航空学会;北京航空航天大学
出版:《航空学报》2013年第10期
页数:9页 (PDF与DOC格式可能不同)
PDF编号:PDFHKXB2013100080
DOC编号:DOCHKXB2013100089
下载格式:PDF + Word/doc 文字可复制、可编辑
《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
《模型基涡轴发动机传感器故障诊断研究》PDF+DOC2016年第03期 刘梦妮,王曦,杨超
《基于主元分析的传感器故障检测盲区预测》PDF+DOC2017年第04期 胡云鹏
《航空发动机传感器解析余度模型的建立方法》PDF+DOC2018年第04期 李业波,蒋平国,田迪,俞明帅,文彬鹤
《基于部件跟踪滤波器的解析余度技术》PDF+DOC1994年第03期 兰春贤,孙健国
《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
《基于云关联度的航空发动机传感器、部件故障识别系统设计》PDF+DOC2011年第11期 仇小杰,黄金泉,鲁峰,刘楠
《传感器故障下的航空发动机机载自适应模型重构》PDF+DOC2006年第01期 袁春飞,姚华
《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
《航空发动机传感器故障与部件故障诊断技术》PDF+DOC2013年第09期 李业波,李秋红,黄向华,赵永平
针对在线贯序极端学习机(OS-ELM)算法矩阵容易陷入奇异和病态、在算法开始阶段不具有预测能力的问题,结合选择策略提出一种改进的OS-ELM(ImOS-ELM)算法。该算法通过引入正则化因子,消除了矩阵奇异和病态的问题,提高了预测精度,并使得算法能够在初始阶段就具有预测能力。同时以泛化能力为判断依据,通过选择策略对输出权值进行选择性地更新,该算法在很大程度上缩短了训练时间。为了验证算法的有效性,用时间序列数据进行了仿真测试验证。最后,将ImOS-ELM算法应用于航空发动机传感器故障的诊断与隔离。仿真结果表明,该算法能够对航空发动机双传感器偏置故障和单传感器漂移故障进行有效地诊断与隔离,并具有较高的预测精度和实时性。
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。