基于极限学习机的航空发动机传感器故障诊断

• 作者: 刘静雅 孙毅刚 赵珍
• 来源期刊: 传感器与微系统
• 学科: 航空航天
• 关键词: 极限学习机 航空发动机 传感器 故障诊断
• 年，卷（期）: 2014,（8）
• 所属期刊栏目: 研究与探讨
• 页码范围: 23-26
• 页数: 4页
• 分类号: V233.7
• 字数: 3368字
• 语种: 中文
• DOI: 10.13873/J.1000-9787(2014)08-0023-04

摘要

针对当前应用于航空发动机传感器故障诊断中的基于梯度的传统学习算法多存在参数选择困难、容易陷入局部最小化、过拟合等问题，提出了基于极限学习机（ ELM）的航空发动机传感器故障诊断方法。算法只需设置隐含层神经元的个数，能够较好地避免上述问题，缩短故障诊断时间、提升诊断精度。通过仿真试验表明：基于ELM算法所建的航空发动机传感器故障诊断模型要比基于BP神经网络算法所建的模型耗时短且精度高。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙毅刚	中国民航大学航空自动化学院	48	250	7.0	14.0
2	刘静雅	中国民航大学航空自动化学院	3	28	3.0	3.0
3	赵珍	中国民航大学航空自动化学院	12	40	3.0	6.0