基于概率神经网络的发动机故障诊断

• 作者: 叶志锋 孙健国
• 来源期刊: 航空学报
• 学科: 航空航天
• 关键词: 神经网络 航空发动机 故障诊断 视情维护
• 年，卷（期）: 2002,（2）
• 所属期刊栏目: 飞行器设计与结构强度
• 页码范围: 155-157
• 页数: 3页
• 分类号: V263.6
• 字数: 2854字
• 语种: 中文
• DOI: 10.3321/j.issn:1000-6893.2002.02.009

摘要

用反向传播神经网络(BPNN)和概率神经网络(PNN)对航空发动机若干原型故障进行定性的诊断,并将仿真结果进行了比较.仿真结果表明,当测量参数不包含噪声或噪声较小时,两种网络都具有很高的诊断准确率;当测量参数的噪声较大时,则概率神经网络的诊断准确率远大于反向传播神经网络,显示了概率神经网络较强的诊断鲁棒性.此外,概率神经网络能够充分利用故障先验知识,并考虑代价因子的作用,从而把误诊断可能带来的损失减小到最低程度.＃

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙健国	南京航空航天大学能源与动力学院	116	2147	24.0	38.0
2	叶志锋	南京航空航天大学能源与动力学院	44	414	11.0	19.0