作者:王雷,沈龙云,孙毅刚 单位:中国电子科技集团公司第四十九研究所 出版:《传感器与微系统》2015年第04期 页数:4页  (PDF与DOC格式可能不同) PDF编号:PDFCGQJ2015040050 DOC编号:DOCCGQJ2015040059 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于极限学习机的航空发动机传感器故障诊断》PDF+DOC2014年第08期 孙毅刚,刘静雅,赵珍 《加权在线贯序极限学习机算法及其应用》PDF+DOC2014年第10期 孙毅刚,刘静雅,赵珍 《基于ImOS-ELM的航空发动机传感器故障自适应诊断技术》PDF+DOC2013年第10期 李业波,李秋红,王健康,黄向华,赵永平 《空调系统传感器故障检测的无中心算法》PDF+DOC2016年第02期 王世强,姜子炎,邢建春,代允闯,杨启亮 《基于自适应滑模观测器的航空发动机故障诊断》PDF+DOC2016年第04期 徐清诗,郭迎清 《传感器故障条件下的自适应UKF算法》PDF+DOC2015年第11期 赵辉,周欢,翁兴伟,李牧东 《改进的Apriori算法在智能温室大棚系统中的应用》PDF+DOC2015年第11期 庄燕滨,董煜,肖贤建,潘群 《基于数据融合的航空发动机排气温度测量》PDF+DOC2018年第02期 雷伟 《基于深度Q值网络的自动小车控制方法》PDF+DOC2017年第11期 王立群,朱舜,韩笑,何军 《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
  • 为了在嵌入式ARM11平台中更好地实现航空发动机传感器故障监测与诊断,使用极限学习机(ELM)代替传统的BP网络算法,只需选定隐含层节点数和激活函数,大大减少了BP算法中人为设置大量参数、训练过程慢,并需要不断调整网络参数以及容易陷入局部最优解的缺点。经过仿真验证对比两种算法,验证ELM算法的优越性。并使用C++编程语言将ELM算法转换成航空发动机传感器故障诊断训练学习软件和诊断软件,经最终测试,该算法软件的测试精度良好,满足诊断需求。

    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。