《航空发动机传感器故障与部件故障诊断技术》PDF+DOC
作者:李业波,李秋红,黄向华,赵永平
单位:北京航空航天大学
出版:《北京航空航天大学学报》2013年第09期
页数:7页 (PDF与DOC格式可能不同)
PDF编号:PDFBJHK2013090070
DOC编号:DOCBJHK2013090079
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于双通道传感器的航空发动机在线故障诊断系统研究》PDF+DOC2011年第07期 马婷婷,郭迎清,陆军
《基于支持向量机和卡尔曼滤波器的航空发动机故障诊断研究》PDF+DOC2012年第01期 俞刚,黄金泉
《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
《航空发动机状态监视、故障诊断研究及验证》PDF+DOC2011年第02期 薛薇,郭迎清,李睿
《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
《基于NN-ELM的航空发动机燃油系统执行机构故障诊断》PDF+DOC2016年第02期 姜洁,李秋红,张高钱,李业波
《基于观测器的传感器故障检测方法对比分析》PDF+DOC2020年第03期 陶立权,刘程,张正,王倩,王伟
《一类非线性系统的鲁棒故障诊断》PDF+DOC2005年第03期 陈茂银,周东华
《在线稀疏最小二乘支持向量回归机及其应用(英文)》PDF+DOC2009年第04期 赵永平,孙健国,王健康
《基于卡尔曼滤波器组的航空发动机传感器故障诊断》PDF+DOC2013年第03期 赵文博,叶志锋,王继强
结合局部学习思想与集成学习技术,提出了一种基于支持向量机-极端学习机-卡尔曼滤波器(SVM-ELM-KF,Support Vector Machine-Extreme Learning Machine-Kalman Filter)的航空发动机传感器故障与突发性部件故障诊断的方法.将改进的迭代约简最小二乘支持向量回归机训练技术推广到分类机中,用于区分传感器故障与部件故障,使得该分类机具有一定的稀疏性.对于传感器故障,利用ELM分类机对故障进行定位.对于部件故障,利用改进的卡尔曼滤波器对发动机各部件的健康参数进行估计,从而对部件故障进行定位.仿真结果表明,提出的故障诊断方法能够准确地区分传感器故障和部件故障,实现故障的有效定位,验证了方法的可行性。
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。