您的位置: 专家智库 > >

高铭阳

作品数:2 被引量:17H指数:2
供职机构:北京航空航天大学仪器科学与光电工程学院更多>>
发文基金:中央高校基本科研业务费专项资金更多>>
相关领域:自动化与计算机技术航空宇航科学技术更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 2篇自动化与计算...
  • 1篇航空宇航科学...

主题

  • 2篇神经网
  • 2篇神经网络
  • 2篇故障诊断
  • 2篇航空发动机
  • 1篇遗传算法
  • 1篇云模型
  • 1篇支持向量
  • 1篇支持向量机
  • 1篇气路故障
  • 1篇气路故障诊断
  • 1篇自适
  • 1篇自适应
  • 1篇自适应遗传
  • 1篇自适应遗传算...
  • 1篇网络
  • 1篇涡扇
  • 1篇涡扇发动机
  • 1篇向量
  • 1篇向量机
  • 1篇协同神经网络

机构

  • 2篇北京航空航天...
  • 2篇中国民航大学

作者

  • 2篇王修岩
  • 2篇李宗帅
  • 2篇高铭阳
  • 1篇李萃芳

传媒

  • 1篇航空动力学报
  • 1篇计算机测量与...

年份

  • 2篇2014
2 条 记 录,以下是 1-2
排序方式:
基于SVM和SNN的航空发动机气路故障诊断被引量:15
2014年
为了区分航空发动机气路故障诊断过程中出现的相似故障,提高诊断准确率,提出了一种支持向量机(SVM)和协同神经网络(SNN)相结合的故障诊断方法.首先利用参数优化后的SVM对测量数据进行初步故障诊断分类,对诊断结果进行分析统计,得出难以区分的相似故障类型,并根据SNN对这些相似故障进一步地区分判断,最后根据实际数据对此故障模型进行仿真.结果显示:基于SVM的初步故障诊断准确率达到96%;而经过SNN进一步地相似故障区分后,诊断准确率提升到100%.
王修岩李萃芳高铭阳李宗帅
关键词:航空发动机故障诊断支持向量机协同神经网络
基于一种改进的云神经网络涡扇发动机故障诊断被引量:2
2014年
在基于数据驱动的涡扇发动机地面定检系统中,为了提高航空发动机的故障诊断性能,提出一种改进的基于云神经网络的航空发动机故障诊断方法;首先,把云模型和BP神经网络相结合,得到进行故障诊断与检测的模型结构,然后用余弦式改进自适应遗传算法并对网络模型进行优化,得到改进后的云神经网络模型;通过对实际数据的实例仿真表明,该方法对于航空发动机地面稳态的故障诊断是可行的,并且提高了故障诊断系统的诊断精度。
王修岩谷新铭高铭阳李宗帅
关键词:航空发动机云模型自适应遗传算法故障诊断
共1页<1>
聚类工具0