CN115859177B 一种航空发动机的故障诊断方法 （重庆邮电大学）_第1页
CN115859177B 一种航空发动机的故障诊断方法 （重庆邮电大学）_第2页
CN115859177B 一种航空发动机的故障诊断方法 （重庆邮电大学）_第3页
CN115859177B 一种航空发动机的故障诊断方法 （重庆邮电大学）_第4页
CN115859177B 一种航空发动机的故障诊断方法 （重庆邮电大学）_第5页
已阅读5页，还剩8页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

本发明涉及一种航空发动机的故障诊断方障数据并将原始航空发动机故障数据划分为训练集和测试集；将训练集输入稀疏自编码器SAE并通过反向传播机制对稀疏自编码器SAE进行训器SAE通过隐藏层降维得到稀疏样本向量；将稀疏样本向量输入SVM多分类器输出稀疏样本向量疏样本向量的标签信息利用粒子群算法计算SVM据的稀疏样本向量输入SVM多分类器输出目标航2S1：获取具有标签信息的原始航空发动机故障数据并S2：将训练集输入稀疏自编码器SAE并通过反向传播机制对稀疏自编码器SAE进行训S3：将测试集中的样本输入训练好的稀疏自编码器SAE通过隐藏层降维得到稀疏样本量的预测结果和稀疏样本向量的标签信息利用粒子群算法计算SVM多所述根据稀疏样本向量的预测结果和稀疏样本向量的标签信息利用粒子群算法计算S42：将粒子的位置在空间每个维度的分量作为SVMSVM多分类器对稀疏样本向量的预测结果和稀疏样本向量的标签信息的欧式距离作为粒子S44：重步骤S43-S44直至达到预设的迭代次数为应度值对应的SVM多分类器的参数得到SVM多分S5获取目标航空发动机故障数据并计算目标航空发目标航空发动机故障数据的稀疏样本向量输入SVM多分类器输出目标航空发动机故障数据若当前粒子的历史最佳适应度值大于群体粒子的历史最佳适34[0001]本发明属于航空发动机故障诊断领域，具体涉及一种航空发动机的故障诊断方断问题本质上是分类问题，该方案首先对采集到的原始传感器状态监测数据进行预处理，[0008]S3：将测试集中的样本输入训练好的稀疏自编码器SAE通过隐藏层降维得到稀疏本向量的预测结果和稀疏样本向量的标签信息利用粒子群算法计算SVM多分类器的最优参[0010]S5获取目标航空发动机故障数据并计算目标航空发动机故障数据的稀疏样本向量，将目标航空发动机故障数据的稀疏样本向量输入SVM多分类器输出目标航空发动机故5[0019]数据源的获取可以采用美国Eastman公司开发的仿真平台TE所模拟的某型号航空6-ca-ca[0035]S3：将测试集中的样本输入训练好的稀疏自编码器SAE通过隐藏层降维得到稀疏[0036]S4：将稀疏样本向量输入SVM(SupportVectorMachine)多分类器输出稀疏样本[0038]在本发明中空间维度为二维，粒子在二维空间每个维度的分量分别对应SVM多分数下SVM多分类器对稀疏样本向量的预测结果和稀疏样本向量的标签信息的欧式距离作为器对稀疏样本向量的预测结果和稀疏样本向量的标签信息的欧式距离越小粒子的适应度7时粒子的历史最佳适应度值对应的解，表示在第t次迭代时群体粒子的历史最佳适应佳适应度值对应的SVM多分类器的参数得到SVM多[0048]S5获取目标航空发动机故障数据并计算目标航空发动机故障数据的稀疏样本向量，

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论