作者:李业波,蒋平国,田迪,俞明帅,文彬鹤 单位:沈阳发动机设计研究所 出版:《航空发动机》2018年第04期 页数:5页  (PDF与DOC格式可能不同) PDF编号:PDFHKFJ2018040120 DOC编号:DOCHKFJ2018040129 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于NN-ELM的航空发动机燃油系统执行机构故障诊断》PDF+DOC2016年第02期 姜洁,李秋红,张高钱,李业波 《基于神经网络的无线传感器网络故障诊断方法》PDF+DOC 蒲天银,饶正婵 《航空发动机传感器信号重构的K-ELM方法》PDF+DOC2017年第01期 尤成新,鲁峰,黄金泉 《用于航空发动机动态辨识的MSMEA-ELM算法》PDF+DOC2016年第12期 许梦阳,黄金泉,潘慕绚 《基于自联想网络的发动机传感器解析余度技术》PDF+DOC1999年第04期 黄向华,孙健国,依里亚索夫,华西里也夫 《发动机数控系统诊断技术的发展》PDF+DOC1997年第04期 黄向华,孙健国 《基于部件跟踪滤波器的解析余度技术》PDF+DOC1994年第03期 兰春贤,孙健国 《在线稀疏最小二乘支持向量回归机及其应用(英文)》PDF+DOC2009年第04期 赵永平,孙健国,王健康 《差压传感器非线性特性研究》PDF+DOC2007年第10期 王菖,付敬奇,陈关君 《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
  • 为了使用解析余度模型对传感器故障进行诊断,提出了1种基于K-均值聚类与改进微分进化算法优化的极端学习机(IDE-ELM)的发动机传感器解析余度模型建立方法。为避免求解ELM算法时H矩阵奇异,采用K-均值聚类对试验数据进行聚类处理,然后从每类数据中选取1组数据组成训练样本用于训练;利用IDE算法优化ELM的输入层权值和偏置,提高ELM的泛化能力。利用飞行试验数据进行了仿真验证。结果表明:基于K-均值聚类和IDE-ELM设计的传感器解析余度模型具有较高的精度,可用于FADEC系统双通道传感器的故障诊断。

    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。