基于PCA与DBN的航空发动机气路系统故障诊断

论文摘要

提出了一种基于主元分析与深度信念网络相结合的航空发动机气路系统故障诊断新方法。首先利用主元分析方法对发动机监测参数原始数据进行降维,以便降低参数数据的复杂度,获得较低维数的最优特征参数。其次,采用深度信念网络对获取的最优特征参数数据创建故障诊断模型。为验证所创建诊断模型的准确性,采用某型航空发动机气路系统实测数据对所创建的基于主元分析与深度信念网络故障诊断模型进行实验验证,结果表明,经过主元分析降维后的深度信念网络故障诊断模型的诊断结果比未经过主元分析降维后的深度学习神经网络故障诊断模型的诊断结果准确率更高,从而验证了该方法的有效性。

论文目录

• 1 基本原理
•   1.1 主元分析原理
•   1.2 深度学习神经网路原理
•     （1） 能量函数
•     （2） 条件概率分布
•     （3） 能量函数求解
• 2 基于PCA与DBN的故障诊断方案
• 3 基于PCA与DBN的诊断试验验证
• 4 结论

文章来源

类型: 期刊论文

作者: 蒋丽英,栗文龙,崔建国,于明月,林泽力

关键词: 航空发动机,主元分析,气路系统,故障诊断,深度信念网络

来源: 沈阳航空航天大学学报 2019年01期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 航空航天科学与工程,自动化技术

单位: 沈阳航空航天大学自动化学院,航空工业上海航空测控技术研究所故障诊断与健康管理技术航空科技重点实验室

基金: 国家自然科学基金(项目编号:51605309),辽宁省自然科学基金(项目编号:2014024003),航空科学基金(项目编号:20153354005),航空科学基金(项目编号:20163354004)

分类号: TP183;V263.6

页码: 57-62

总页数: 6

文件大小: 909K

下载量: 284