公共文化服务平台

基于邻域粗糙集和灰狼算法优化Elman的民航发动机滑油量预测被引量：4: 2021年; 实时预测民航发动机滑油量对保障飞行安全具有重要意义。针对滑油量受发动机多个工作状态的多个参数影响,具有影响参数多,提取方法不确定等问题,提出了一种基于邻域粗糙集(neighborhood rough set,NRS)和灰狼优化(grey wolf optimizer,GWO)-Elman相结合的方法预测滑油量。首先通过邻域粗糙集提取对滑油量重要度高的发动机工作阶段,将提取后的工作阶段有关参数作为特征向量输入到灰狼优化-Elman的网络模型中,灰狼算法通过计算和比较个体的适应度来优化Elman网络中的权值和阈值,保证Elman网络中的权值和阈值达到全局最优。预测结果表明,精度达到98.44%,满足工程应用的精度要求。研究结果为及时监测民航发动机滑油系统的健康状况提供理论依据。; 瞿红春高鹏宇朱伟华许旺山郭龙飞; 关键词：ELMAN神经网络

S-WFA方法改进关联度计算的民航发动机气路故障诊断研究: 2016年; 针对民航发动机气路故障诊断难度大、准确度不高等问题,提出一种基于改进关联度算法的故障向量识别方法,该方法首先从发动机气路测量参数入手进行发动机的故障诊断研究,利用发动机性能趋势图提取监控参数的偏差量,然后将Sigmoid函数改进后用于属性参数的重要程度计算。结合WFA属性权重分配方法改进了灰色关联度算法,并利用故障案例进行验证,验证表明改进后的算法诊断准确率较高。; 瞿红春倪志富; 关键词：民用发动机气路故障诊断趋势图

基于注意力循环胶囊网络的滚动轴承故障诊断被引量：4: 2022年; 针对滚动轴承工作工况复杂、载荷大及测得的振动信号信噪比(signal-to-noise ratio,简称SNR)低的特点,提出了一种利用注意力循环机制(attention recurrent,简称AR)构建数字胶囊并与胶囊网络(capsule network,简称Caps)相融合的微弱故障诊断模型。首先,在构建初级胶囊时引入双向长短时记忆网络(bidirectional long short time memory neural network,简称Bi-LSTM),对时频图中的时序特征进行提取,并建立胶囊间的非线性关联;其次,引入注意力循环机制构建数字胶囊,提高时频图中不同时间和频带的能量强度变化的影响力;然后,通过3D卷积与动态路由机制构建的数字胶囊进行自适应融合,实现特征的多样提取;最后,利用softmax分类器将融合特征映射到输出层,实现高噪声环境下的滚动轴承故障诊断。结果表明,该方法对小样本、低信噪比的微弱故障信号较其他诊断模型有更高的诊断精度,并能够有效减小过拟合问题。使用不同负载下的数据做测试集验证了该模型有较强的泛化能力。; 瞿红春朱伟华高鹏宇王超周大鹏丁凯; 关键词：智能故障诊断滚动轴承

面向滚动轴承的自适应NA-MVMD融合GADF故障诊断方法被引量：1: 2023年; 针对滚动轴承的故障特征易被湮没在噪声背景下,从而导致故障种类难以识别的问题,提出了一种基于自适应噪声辅助多元变分模态分解(NA-MVMD)降噪融合格拉姆角差场(GADF)特征提取的滚动轴承故障诊断方法。首先,使用鲸鱼优化算法(WOA)对NA-MVMD中的分解模态数K和惩罚因子α进行寻优;其次,利用NA-MVMD处理信号得到若干IMF分量,根据GADF将筛选重构后的一维数据转化为二维图片;随后,将故障特征图片输入LeNet-5卷积神经网络进行分类识别。采用某大学XJTU-ST轴承故障数据进行验证分析,分类准确率达到了97.5%,证明了该方法在较强噪声背景下具有较好的诊断性能。; 瞿红春贾柏谊郑剑青韩松钰马文博; 关键词：故障诊断卷积神经网络

基于NRS-CNN的民航发动机滑油消耗量预测被引量：1: 2021年; 针对民航发动机滑油消耗量受多个飞行阶段的多个参数影响而难以准确预测的问题,提出基于邻域粗糙集(NRS,neighborhood rough set)和卷积神经网络(CNN,convolutional neural network)的模型来预测滑油消耗量。首先,采用NRS方法提取对滑油消耗重要度较高的飞行阶段状态参数作为特征参数;然后,利用CNN对重要度高的飞行阶段状态参数进行深度特征学习,实现滑油消耗量的预测。预测结果表明:CNN能很好地完成对多滑油参数的特征提取,预测结果与实际值的平均绝对误差为0.129×10^(-3)m^(3),平均相对误差为3.8%,可满足实际工程应用的需要,为评估民航发动机滑油系统的健康状况提供参考。; 瞿红春高鹏宇朱伟华许旺山郭龙飞; 关键词：邻域粗糙集卷积神经网络

基于熵权优化的轴承故障诊断方法研究: 2015年; 通过计算轴承信号特征故障频率与轴承故障样本特征频率的灰色关联度快速检测出轴承的故障类型。这种将灰色关联理论与信号分析方法结合的诊断方式可快速诊断出旋转机械系统中轴承的故障类型并进一步将故障部位进行隔离。灰色关联方法的应用使得诊断系统一方面可以对简单单一部位轴承故障进行诊断,另一方面对由2种以上失效形式产生的故障也能进行诊断。由于采用熵权优化使得灰色关联排序有更大的区分度,诊断正确率更高。; 瞿红春王涛黄远强; 关键词：航空发动机轴承故障诊断灰色关联分析旋转机械

基于改进D-S证据理论的发动机滑油故障诊断的研究: 航空发动机滑油中含有摩擦副产生的磨损微粒。通过滑油介质中所含磨损微粒中元素的分析,运用Dempster-Shafer证据融合诊断方法,对航空发动机的磨损状态等进行有效的诊断,确定发动机的磨损程度,以及发动机的磨损部位,从...; 瞿红春丁协宾; 关键词：航空发动机故障诊断; 文献传递

基于D-S证据理论的航空发动机故障诊断被引量：4: 2011年; 航空发动机滑油中含有摩擦副产生的磨损微粒。通过滑油介质中所含磨损微粒中元素的分析,运用Dempster-Shafer证据融合诊断方法,对航空发动机的磨损状态等进行有效的诊断,确定发动机的磨损程度,以及发动机的磨损部位,从而可对发动机的故障排除作参考。在融合过程中提出了先对每个元素的磨损量和磨损率进行融合,再总体融合的方法。针对Dempster-Shafer证据融合的局限,应用了两种改进的融合方法,并进行比较。实例表明,Dempster-Shafer证据融合是一种有效的航空发动机滑油磨损的故障诊断方法。; 瞿红春丁协宾; 关键词：航空发动机故障诊断

基于混沌PSO_Elman网络的航空发动机基线挖掘被引量：1: 2020年; 为提高发动机基线的拟合精度,提出经混沌粒子群优化的Elman神经网络模型。利用混沌算法改进粒子群算法(PSO)的位置公式,以解决局部最优问题。利用非线性递减函数改进PSO粒子的速度公式,以解决收敛精度较低的问题。将该模型用于基线拟合,并与传统的误差反向传播网络(BP)、Elman网络、支持向量机(SVM)等模型的拟合误差进行对比。结果表明:在训练数据、测试数据、训练次数均相同的情况下,混沌PSO_Elman模型的拟合精度高于其他传统模型;当训练样本减少时,其拟合精度依然高于传统模型,证明该模型具有更强的学习能力。; 瞿红春林文斌许旺山郭龙飞; 关键词：航空发动机混沌粒子群算法 ELMAN神经网络

基于遗传算法的动平衡优化方法研究被引量：7: 2013年; 针对目前发动机频发故障——N1振动过大进行发动机动平衡方法研究,以改进目前动平衡方法中多次试重启车的不足,采用了影响系数法的核心思想,通过对转子建模进行全息谱分析,利用遗传算法进行配重的优化搜索。该方法减少了动平衡过程中的启车次数,对降低发动机动平衡的成本费用有非常好的应用前景。; 瞿红春崔秀峰; 关键词：航空发动机转子动平衡遗传算法

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

中央高校基本科研业务费专项资金(ZXH2010D019)

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

中央高校基本科研业务费专项资金(ZXH2010D019)

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈