基于ELM的航空发动机故障诊断方法

• 作者: 于明月 刘宏伟 崔建国 陶书弘 高阳
• 来源期刊: 火力与指挥控制
• 学科: 工学
• 关键词: 极限学习机 小波包 故障诊断 特征提取
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 工程实践
• 页码范围: 113-116,121
• 页数: 5页
• 分类号: TP206+.3|TJ06
• 字数: 3572字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0640.2018.04.025

摘要

以航空发动机主燃油泵为具体研究对象,提出了一种基于基于小波包能量比与极限学习机(Extreme Learning Machine,ELM)的故障诊断方法.对于某型真实航空发动机,采用振动传感器感知发动机附件机匣的振动信号,对获取的发动机附件机匣的振动信号采用DB3小波包对其进行3层小波包分解,求出第3层各频带信号的能量作为原始信号的特征,构建特征向量.用求得的特征向量建立基于ELM的故障诊断模型,对航空发动机主燃油泵进行故障诊断技术研究.为表明该方法的有效性,还设计了基于BP神经网络的故障诊断模型,并对所构建的特征向量进行了诊断.试验结果表明,基于ELM故障诊断方法可以有效提高故障诊断的速度及准确率,具有很好的工程应用前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	崔建国	沈阳航空航天大学自动化学院	87	573	15.0	20.0
2	刘宏伟	沈阳航空航天大学电子信息工程学院	1	2	1.0	1.0
3	陶书弘		4	3	1.0	1.0
4	于明月	沈阳航空航天大学自动化学院	32	50	3.0	3.0
5	高阳		2	3	1.0	1.0