江苏省普通高校研究生科研创新计划项目(CXZZ120169)
- 作品数：3 被引量：51H指数：3
- 相关作者：李秋红黄向华李业波赵永平王健康更多>>
- 相关机构：南京理工大学南京航空航天大学北京控制工程研究所更多>>
- 发文基金：中央高校基本科研业务费专项资金中国航空科学基金江苏省普通高校研究生科研创新计划项目更多>>
- 相关领域：航空宇航科学技术更多>>
- 航空发动机气路部件故障融合诊断方法研究被引量：27
- 2014年
- 针对发动机气路部件故障,提出了一种基于模型和基于数据驱动的融合诊断方法。采用极端学习机(ELM)实现基于数据驱动的故障诊断。针对ELM随机选择输入层权值和隐含层偏置带来的缺点,采用改进微分进化(IDE)算法以训练样本的均方根误差(RMSE)和输出层权值的范数为评价标准对其进行优化,减少了ELM的隐含层节点数,提高了网络的泛化能力。同时,由于传感器数目的不足,采用基于奇异值分解(SVD)的Kalman(SVD-Kalman)滤波器实现基于模型的部件故障诊断。为了提高航空发动机部件故障诊断的精度,利用改进的迭代约简最小二乘支持向量回归机(IRR-LSSVR)算法对两种算法的估计结果在特征层进行定量融合。仿真结果表明,在发动机稳态状态下,与单独使用基于模型和数据驱动的诊断方法相比,采用特征层融合有效地提高了部件故障诊断的精度和准确率。
- 李业波李秋红黄向华赵永平
- 关键词：航空发动机极端学习机微分进化KALMAN滤波器信息融合
- 航空发动机传感器故障与部件故障诊断技术被引量：19
- 2013年
- 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.
- 李业波李秋红黄向华赵永平
- 关键词：航空发动机传感器故障支持向量机极端学习机
- 基于ImOS-ELM的航空发动机传感器故障自适应诊断技术被引量：9
- 2013年
- 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。
- 李业波李秋红王健康黄向华赵永平
- 关键词：极端学习机正则化航空发动机传感器
