您的位置： 专家智库 > >

国家高技术研究发展计划(2012AA040911-1)

作品数：3 被引量：32H指数：3
相关作者：钟诗胜雷达更多>>
相关机构：哈尔滨工业大学更多>>
发文基金：国家自然科学基金国家高技术研究发展计划中国民航总局科技基金更多>>
相关领域：电子电信航空宇航科学技术自动化与计算机技术机械工程更多>>

文献类型

  • 3篇中文期刊文章

领域

  • 1篇机械工程
  • 1篇电子电信
  • 1篇自动化与计算...
  • 1篇航空宇航科学...

主题

  • 2篇航空发动机
  • 1篇信号
  • 1篇信号降噪
  • 1篇信息处理
  • 1篇信息处理技术
  • 1篇学习机
  • 1篇振动
  • 1篇振动信号
  • 1篇神经网
  • 1篇神经网络
  • 1篇神经网络预测
  • 1篇奇异值
  • 1篇奇异值分解
  • 1篇网络预测
  • 1篇民航发动机
  • 1篇经验模态分解
  • 1篇极端学习机
  • 1篇集成过程
  • 1篇健康
  • 1篇过程神经网络

机构

  • 3篇哈尔滨工业大...

作者

  • 3篇雷达
  • 3篇钟诗胜

传媒

  • 1篇振动．测试与...
  • 1篇航空动力学报
  • 1篇吉林大学学报...

年份

  • 1篇2015
  • 1篇2014
  • 1篇2013
共 3 条 记 录，以下是 1-3
全选 清除 导出
排序方式：
一种可用于航空发动机健康状态预测的动态集成极端学习机模型被引量：8
2014年
提出一种动态集成极端学习机模型用于航空发动机健康状态预测.采用AdaBoost.RT集成学习算法对极端学习机(ELM)进行集成,在训练时采用每个训练样本的近邻样本对ELM的局域性能进行评估;在预测时首先确定新样本在训练样本集中的近邻样本,然后根据ELM在近邻样本上的性能来赋予集成权值实现弱学习机的动态集成.以燃油流量为指标进行航空发动机健康状态预测,动态集成ELM模型短期预测结果的平均相对误差绝对值(MAPE)为3.688%,小于单一ELM模型的3.830%以及静态集成ELM模型的3.719%;长期预测结果中动态集成ELM模型的MAPE为3.075%,小于单一ELM模型的4.355%以及静态集成ELM模型的3.884%.因此动态集成ELM模型更适用于航空发动机健康状态预测.
钟诗胜雷达
关键词：航空发动机极端学习机
用集成过程神经网络预测民航发动机振动趋势被引量：3
2015年
提出了一种集成过程神经网络预测模型用于民航发动机振动信号趋势预测。首先,对AdaBoost.RT算法的误差函数进行了改进,并采用自适应调整策略在训练过程中自动调节算法的分类阈值;然后,以改进的AdaBoost.RT算法为集成学习框架构建集成过程神经网络（process neural network,简称PNN）预测模型。通过对两组实际民航发动机振动信号序列的预测对集成模型的预测效果进行了评估。结果表明,在具有更加简单网络结构的情况下,集成PNN模型的预测效果好于单一PNN模型。此外,提出的改进AdaBoost.RT算法的效果优于原始AdaBoost.RT以及仅改进了阈值调整方法的AdaBoost.RT算法。对比结果表明,提出的集成PNN模型适用于民航发动机振动信号变化趋势预测。
雷达钟诗胜
关键词：振动信号过程神经网络
基于奇异值分解和经验模态分解的航空发动机健康信号降噪被引量：21
2013年
提出了一种基于奇异值分解(Singular value decomposition,SVD)和经验模态分解(Empirical mode decomposition,EMD)的信号降噪方法。首先采用EMD方法对原始信号进行分解并提取出信号趋势分量。然后对信号剩余部分采用SVD方法降噪,并根据奇异值差分谱方法自适应选择奇异值进行信号重构。最后将重构后的信号与趋势分量叠加得到最终的降噪信号。采用该方法对模拟信号和实际航空发动机健康信号进行了降噪试验,结果表明:该方法能够准确地选择用于重构信号的奇异值,并能够有效地去除信号噪声。
雷达钟诗胜
关键词：信息处理技术信号降噪奇异值分解经验模态分解航空发动机
全选 清除 导出
共1页<1>
聚类工具0