ELM在航空发动机气路部件故障诊断的应用研究

• 作者: 杨欣毅 林学森 王小雷
• 来源期刊: 系统仿真技术
• 学科: 工学
• 关键词: 航空发动机 气路部件 故障诊断 极限学习机(ELM)
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 论文交流
• 页码范围: 106-110
• 页数: 5页
• 分类号: TP183
• 字数: 3412字
• 语种: 中文

摘要

针对航空发动机故障呈现复杂性、多样性、非线性等特点,运用传统的BP、ELman神经网络进行发动机气路部件故障诊断存在网络训练参数设置复杂,迭代次数多,训练速度慢,泛化能力欠缺等问题.为此提出利用极限学习机(Extreme Learning Machine,ELM)法识别涡扇发动机气路部件故障.该方法通过为输入权和隐藏层偏置随机赋值,利用MP逆求解输出权值.以某型涡扇发动机为对象,进行ELM、BP、ELman气路部件故障诊断比较研究,实验结果验证了利用ELM识别涡扇发动机气路部件故障的精确性、快速性、稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨欣毅	海军航空工程学院飞行器工程系	53	229	7.0	12.0
2	林学森	海军航空工程学院飞行器工程系	11	32	3.0	5.0