排序方式: 共有81条查询结果,搜索用时 0 毫秒
1.
2.
为了解决采用神经网络、决策树作为弱分类器的AdaBoost组合分类存在的不足,进一步改善组合分类效果,提出采用支持向量机(SVM)作为弱分类器的一种新的组合分类诊断方法——AdaBoost-SVM。该方法没有采用一个固定的SVM的核参数,而是自适应调整SVM中的核参数,从而得到一组有效的SVM弱分类器。通过对基准数据库的测试及航空发动机故障样本的诊断,结果表明,所提AdaBoost-SVM方法较好地解决了现有的Ada-Boost组合分类方法中存在的弱分类器本身参数选取困难问题及训练轮数的合理选取问题,并具有更好的泛化性能,更适合对分散程度较大、聚类性较差的航空发动机故障样本进行分类。 相似文献
3.
4.
基于RBF神经网络的航空发动机故障诊断模型 总被引:1,自引:1,他引:1
利用某型发动机地面定检状态实测数据作为学习样本,采用径向基函数(RBF)神经网络建立发动机的故障诊断模型。通过该模型对起飞状态实测的发动机参数进行了辨识,结果表明:这种方法具有训练时间短、学习速度快、诊断精度高等优点。 相似文献
5.
在分析通道校正电路的内部连接方式的基础上,按不同的SST指令和nHC换算转速分类进行了试验。通过喘振压力信号对综合调节器的校正试验,得到了喘振压力信号对nL,nH和TQ通道的修正关系。修正结果表明修正效果与SST指令和nHC换算转速的大小密切相关。 相似文献
6.
在基于DSP平台的某型航空涡扇发动机综合电子调节器的数字化研究中,提出了一种改进遗传算法,并将其应用于数字PID控制器的参数整定过程中.仿真结果表明,该改进遗传算法相比于基本遗传算法及常规PID参数整定方法,控制器动态性能更为优越,可调整性更强. 相似文献
7.
8.
自适应变结构神经网络在航空发动机故障诊断上的应用 总被引:7,自引:1,他引:6
根据样本空间的内积特性,提出一种无需迭代学习的自适应变结构神经网络。它的特点是学习速度快,准确性高,且能根据出现的新样本,随时改变结构。在对某型航空发动机故障诊断中,比原软件包采用的方法在准确性方面有显着提高,而且维护工作量减少,并具有实时处理能力,因此有着良好的推广应用前景。 相似文献
9.
10.
基于支持向量机的航空发动机PID解耦控制 总被引:3,自引:2,他引:1
针对航空发动机多变量控制系统中各回路之间存在的耦合现象,提出了一种基于支持向量机(support vector machines,SVM)的航空发动机PID(proportion integration differentiation)解耦控制方法.利用SVM辨识发动机非线性模型,并获得SVM瞬时线性化模型,在线性化模型的基础上完成了PID参数的在线自整定.利用Lyapunov稳定性定理对控制器的收敛性进行了分析.通过对某型航空发动机的仿真,验证了该方法的有效性和可行性. 相似文献