极限学习机在航空发动机气路故障诊断中的应用
发布时间：2017-03-30 23:20
本文关键词：极限学习机在航空发动机气路故障诊断中的应用，，由笔耕文化传播整理发布。
【摘要】：航空发动机是飞机的心脏,其稳定性直接关系到航空飞行的安全。若航空发动机发生重大故障,轻则影响飞行计划,重则机毁人亡。传统的航空发动机维护需要进行定期检修,这要将要耗费较大的人力物力,因而有必要对航空发动机进行故障诊断,在航空发动机发生故障的初期阶段发现故障部件,及时进行维修或更换。气路部件故障是航空发动机的主要故障,本文主要研究航空发动机气路部件故障。本文主要做了如下工作:1)设计了航空发动机气路部件故障诊断系统和传感器故障诊断系统。2)运用航空发动机气路单一部件故障数据,通过多种故障诊断算法相比较,将核函数与极限学习机相结合,提出了一种基于核极限学习机(KELM)的航空发动机故障诊断算法。3)通过气路部件复合故障数据、添加干扰信号以及航空发动机真实试车数据的验证,进一步肯定了基于核极限学习机(KELM)的航空发动机故障诊断算法的有效性。4)对航空发动机传感器故障进行仿真,并运用KPCA+KELM算法对其进行故障诊断,将核极限学习机(KELM)应用到传感器故障诊断中。5)设计了应用核极限学习机(KELM)算法的传感器故障与航空发动机气路故障区分方案。实验结果表明,将基于核极限学习机(KELM)的故障诊断算法应用到航空发动机气路部件故障诊断和传感器故障诊断中,故障诊断准确率高,实时性好,能够很好的满足工程实际的要求。
【关键词】：气路故障 传感器故障 故障诊断 极限学习机 核极限学习机
【学位授予单位】：上海交通大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：V263.6;TP18
【目录】：
- 摘要5-6
- ABSTRACT6-11
- 第一章 绪论11-21
- 1.1 课题意义及其背景11-12
- 1.2 国内外研究现状12-14
- 1.2.1 国外研究现状12-14
- 1.2.2 国内研究现状14
- 1.3 航空发动机气路部件故障诊断技术14-19
- 1.4 论文主要工作和研究内容安排19-21
- 第二章 航空发动机气路故障诊断概述21-30
- 2.1 航空发动机气路故障21-24
- 2.1.1 航空发动机气路故障种类及产生原因22
- 2.1.2 航空发动机气路故障特征分析22-24
- 2.2 基于数据驱动的故障诊断方法24-26
- 2.3 气路部件故障诊断方案设计26-27
- 2.4 传感器故障27-29
- 2.4.1 传感器故障类别27-28
- 2.4.2 传感器故障诊断方法28-29
- 2.5 本章小结29-30
- 第三章 航空发动机气路部件故障诊断算法的探究30-56
- 3.1 航空发动机气路部件故障数据30-31
- 3.2 航空发动机气路单一部件故障诊断31-32
- 3.3 基于BP神经网络的故障诊断32-38
- 3.3.1 BP神经网络原理[29]32-37
- 3.3.2 BP神经网络故障诊断结果37-38
- 3.4 基于支持向量机（SVM）的故障诊断38-42
- 3.4.1 支持向量机（SVM）原理[30]38-40
- 3.4.2 支持向量机（SVM）故障诊断结果40-42
- 3.5 基于极限学习机（ELM）的故障诊断42-47
- 3.5.1 极限学习机（ELM）原理42-44
- 3.5.2 极限学习机(ELM)作为分类器44-45
- 3.5.3 极限学习机（ELM）故障诊断结果45-47
- 3.6 基于核极限学习机（KELM）的故障诊断47-54
- 3.6.1 核极限学习机(KELM)原理47-52
- 3.6.2 核极限学习机（KELM）故障诊断结果52-54
- 3.7 航空发动机气路部件故障诊断算法的比较54-55
- 3.8 本章小结55-56
- 第四章 基于KELM的故障诊断算法性能验证56-72
- 4.1 航空发动机气路部件复合故障诊断56-65
- 4.1.1 基于BP神经网络的航空发动机气路部件复合故障诊断59-60
- 4.1.2 基于支持向量机（SVM）的航空发动机气路部件复合故障诊断60-62
- 4.1.3 基于极限学习机(ELM)的航空发动机气路部件复合故障诊断62-63
- 4.1.4 基于核极限学习机(KELM)的航空发动机气路部件复合故障诊断63-64
- 4.1.5 航空发动机气路部件复合故障诊断算法的比较64-65
- 4.2 基于KELM的故障诊断算法抗干扰性分析65-68
- 4.2.1 航空发动机气路部件单一故障抗干扰性测试65-67
- 4.2.2 航空发动机气路部件复合故障抗干扰性测试67-68
- 4.3 基于KELM的故障诊断算法在实际数据中的验证68-70
- 4.4 故障诊断软件功能说明70
- 4.5 本章小结70-72
- 第五章 核极限学习机在传感器故障诊断中的应用72-88
- 5.1 传感器故障特性仿真72-76
- 5.2 传感器故障诊断方法概述76-77
- 5.3 降维算法原理77-81
- 5.3.1 主成分分析（PCA）原理77-79
- 5.3.2 核函数79
- 5.3.3 核主成分分析（KPCA）原理79-81
- 5.4 传感器故障诊断81-86
- 5.4.1 PCA+KELM算法传感器故障诊断结果81-84
- 5.4.2 KPCA+KELM算法传感器故障诊断结果84-85
- 5.4.3 传感器故障诊断算法比较85-86
- 5.5 传感器故障与发动机气路部件故障的区分86-87
- 5.6 本章小结87-88
- 第六章 总结与展望88-90
- 6.1 工作的总结88-89
- 6.2 未来的展望89-90
- 参考文献90-93
- 致谢93-94
- 攻读硕士学位期间已发表或录用的论文94
【相似文献】
中国期刊全文数据库 前10条
1 杨平;环境友好的高效航空发动机[J];全球科技经济w
本文编号：278340
本文链接：https://www.wllwen.com/kejilunwen/hangkongsky/278340.html
