基于IPSO-Elman神经网络的航空发动机故障诊断

发布时间：2019-06-22 14:18

【摘要】：为提高航空发动机故障诊断的精度,提出改进粒子群优化的Elman神经网络对航空发动机故障诊断的方法。利用MIV(平均影响值)对神经网络的输入端自变量进行筛选,降低输入维度;采用改进粒子群优化算法对Elman神经网络的权值和阀值进行优化,并对优化的神经网络进行训练;用训练好的神经网络对航空发动机故障进行诊断并与常规的BP(back propagation)、Elman神经网络、GM(1,n)、SVM(support vector machines)进行对比。仿真结果表明:IPSO-Elman(improved particle swarm optimization Elman neural network)神经网络的诊断误差在不同数量训练样本时都小于其他方法,并且在参选故障诊断的性能参数不同时,其诊断误差相近,展现出较强的适应能力。
[Abstract]:In order to improve the accuracy of aero-engine fault diagnosis, a method of improving particle swarm optimization (Elman) neural network for aero-engine fault diagnosis is proposed. MIV (average influence value) is used to screen the input independent variables of the neural network to reduce the input dimension; the improved particle swarm optimization algorithm is used to optimize the weight and threshold of the Elman neural network, and the optimized neural network is trained. The trained neural network is used to diagnose the aero-engine fault and compare it with the conventional BP (back propagation), Elman neural network, GM (1, n), SVM (support vector machines). The simulation results show that the diagnosis error of IPSO-Elman (improved particle swarm optimization Elman neural network) neural network is smaller than that of other methods when the number of training samples is different, and the diagnosis error is similar when the performance parameters of fault diagnosis are different, which shows a strong adaptability.
【作者单位】： 中国民航大学中欧航空工程师学院;中国民航大学航空工程学院;
【基金】：中央高校基本科研业务费中国民航大学专项资金(3122013H001)
【分类号】：TP183;V263.6

【相似文献】

相关期刊论文 前10条

1 王俭臣;齐晓慧;单甘霖;;基于EPSO-BP的Elman网络及其在飞行轨迹预测中的应用[J];控制与决策;2013年12期

2 曲东才;陈琪;张睿智;;Elman网络在某型自动驾驶仪飞控盒多故障诊断中的仿真研究[J];飞机设计;2008年02期

3 谷吉海,姜兴渭,王晓锋,龙兵;双向Elman神经网络在卫星电池阵功率预测中的应用研究[J];南京理工大学学报(自然科学版);2004年04期

4 寇蔚,孙丰瑞,杨立;神经网络求解传热反问题的可行性研究[J];激光与红外;2004年05期

5 崔定军,杨尔辅,张振鹏,刘国球;基于神经网络的火箭发动机动态过程建模[J];航空动力学报;1995年03期

6 孙伟;张呈林;;神经网络在直升机概念设计中的应用[J];南京航空航天大学学报;2009年01期

7 黄梦涛，赵轶群，刘颖;神经网络在煤低温自燃实验炉建模中的应用[J];西安矿业学院学报;1996年01期

8 唐立文,沈怀荣;神经网络技术在载人飞船故障诊断与决策中的应用设想[J];指挥技术学院学报;2000年04期

9 周山;李训亮;;复合神经网络在飞参缺损数据估计中的应用[J];计测技术;2010年01期

10 尚琳;何发东;杨华保;舒成辉;;基于神经网络的垂尾飞行载荷模型研究[J];强度与环境;2011年05期

相关会议论文 前10条

1 赵新刚;伊嘉瑞;张婵;韩建达;;基于遥控数据学习的小型直升机控制方法研究[A];2010中国仪器仪表与测控技术大会论文集[C];2010年

2 孙伶俐;何绪飞;邓忠民;;基于BP神经网络的飞行器结构损伤量化分析[A];北京力学会第十六届学术年会论文集[C];2010年

3 徐宝昌;陈哲;;基于神经网络的景像匹配算法研究[A];中国惯性技术学会第五届学术年会论文集[C];2003年

4 应伟;冯艳;王锁芳;;基于小波和神经网络的流型辨识研究[A];第五届全国流体传动与控制学术会议暨2008年中国航空学会液压与气动学术会议论文集[C];2008年

5 费庆国;张令弥;;基于RBF神经网络的结构动态有限元模型修正研究[A];探索创新交流－－中国航空学会青年科技论坛文集[C];2004年

6 胡雷刚;肖明清;;基于BP神经网络的航空设备故障预测[A];第六届全国信息获取与处理学术会议论文集（3）[C];2008年

7 曾勇;于聪梅;刘丹;;基于神经网络的SINS温度补偿技术[A];科技创新与节能减排——吉林省第五届科学技术学术年会论文集（上册）[C];2008年

8 李寿涛;李元春;;基于递阶行为的模糊逻辑／神经网络移动小车控制算法[A];中国宇航学会深空探测技术专业委员会第一届学术会议论文集[C];2005年

9 张鹏;李学仁;景博;杜军;张建业;;多源信息融合技术在航空发动机故障诊断中的应用研究[A];中国航空学会控制与应用第十二届学术年会论文集[C];2006年

10 李康;何卫锋;程礼;;基于谐波小波分解的航空发动机故障诊断[A];设备监测与诊断技术及其应用——第十二届全国设备监测与诊断学术会议论文集[C];2005年

相关博士学位论文 前6条

1 张天虎;基于智能算法与模糊控制的室内环境反向设计方法研究[D];天津大学;2015年

2 岑朝辉;卫星姿态控制系统中的故障诊断研究[D];华中科技大学;2011年

3 郝英;基于智能技术的民航发动机故障诊断和寿命预测研究[D];南京航空航天大学;2006年

4 刘永建;基于改进神经网络的民机发动机故障诊断与性能预测研究[D];南京航空航天大学;2012年

5 吴文杰;基于信息融合的航空发动机故障诊断方法[D];电子科技大学;2011年

6 鲁峰;航空发动机故障诊断的融合技术研究[D];南京航空航天大学;2009年

相关硕士学位论文 前10条

1 吴岸平;小型无人机飞行控制系统设计研究[D];国防科学技术大学;2013年

2 祖昊炜;引射式跨声速风洞关键参数的建模[D];东北大学;2014年

3 王兆阳;基于小波包神经网络的航空发动机转子故障诊断[D];西安工业大学;2016年

4 朱亚萍;卫星姿态控制系统的分级故障诊断方法研究[D];南京航空航天大学;2016年

5 王国成;基于神经网络的飞行器电机同步控制研究与实现[D];黑龙江大学;2016年

6 李新;基于神经网络的航天器姿态控制系统故障诊断研究[D];沈阳航空航天大学;2016年

7 谷新铭;基于神经网络的电动负载模拟器控制方法研究[D];中国民航大学;2015年

8 赵博阳;飞机甚高频故障诊断方法研究[D];中国民航大学;2013年

9 王显博;基于三自由度直升机模型的粒子群优化神经网络控制算法研究[D];哈尔滨理工大学;2016年

10 刘强;四旋翼飞行器姿态传感器的故障诊断技术研究[D];中北大学;2017年

，

本文编号：2504660