《自适应核模式分析方法及其在航空发动机部件性能衰退识别中的应用》PDF+DOC
作者:李冬,李本威,杨欣毅,朱飞翔
单位:北京动力机械研究所
出版:《推进技术》2013年第09期
页数:7页 (PDF与DOC格式可能不同)
PDF编号:PDFTJJS2013090170
DOC编号:DOCTJJS2013090179
下载格式:PDF + Word/doc 文字可复制、可编辑
《结合手机传感器和卷积神经网络的人体行为识别》PDF+DOC2018年第03期 石代伟,张若英
《基于信息融合和神经网络的煤岩识别方法》PDF+DOC2017年第09期 雷静,余斌
《基于多传感器的神经网络模式识别方法》PDF+DOC2001年第05期 罗中良,麦宜佳,余剑峰
《基于BP神经网络与概率神经网络的汽车发动机故障识别方法及对比分析》PDF+DOC2020年第05期 李雯,喻菲菲,杜灿谊,李锋,龚永康
《神经网络与D-S理论结合的HRR识别研究》PDF+DOC2002年第04期 王毛路,李少洪,毛士艺
《基于SVM回归的FLANN改进新法及其应用》PDF+DOC2009年第27期 毛先柏,王利恒,李昌禧
《基于人工神经网络的微量甲醛气体识别方法》PDF+DOC2008年第01期 杜海英,王兢,张涛
《基于神经网络进化学习的两轮小车避障控制》PDF+DOC1996年第05期 王军,黄心汉
《土木工程健康监测无线测试信号同步性研究(Ⅱ)》PDF+DOC2010年第06期 张潞,汪洋
《大量程预紧式六维力传感器及静态标定研究》PDF+DOC2009年第06期 姚建涛,侯雨雷,牛建业,陈捷,赵永生
针对测量数据因其部件之间的耦合不能有效识别各个部件性能衰退程度的问题,提出一种基于性能修正因子核模式分析的发动机部件性能衰退识别方法,并能与传感器测量偏差区分开。首先将传感器测量数据输入到自适应模型中去,产生一组用于识别部件性能衰退的修正因子。将修正因子参考模式通过核模式映射到高维特征空间中去,在此可分(基本可分)空间中完成识别。考虑到修正因子参考模式在高维空间中映射的像呈带状分布,几何距离不能有效识别,基于此采用神经网络方法对模式进行识别。识别成功率达到94.34%。进一步分析了特征约简的输入维数对识别效果的影响以及所提方法的泛化能力。考查了噪声对模式识别的影响,得到幅值3%以内的噪声对识别结果无明显影响。证明了“自适应模型+核模式分析+神经网络”识别方法是可行的。
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。