下面是小编整理的基于RBF神经网络的航空发动机故障诊断，本文共5篇，欢迎大家阅读分享借鉴，欢迎大家分享。
篇1：基于RBF神经网络的航空发动机故障诊断
基于RBF神经网络的航空发动机故障诊断
航空发动机的`故障诊断研究在民航安全发面有着重要的意义,而故障诊断模型的建立尤其(RBF)神经网络建立发动机的故障诊断模型,论述了径向基函数神经网络的结构、学习和运行,并通过该模型对发动机参数进行辨识,结果表明RBF神经网络具有较高的故障诊断正确率.
作 者：丁平白杰 作者单位：中国民航大学,航空工程学院,天津,300300 刊 名：中国民航大学学报 ISTIC英文刊名：JOURNAL OF CIVIL AVIATION UNIVERSITY OF CHINA 年，卷(期)： 25(z1) 分类号：V263.6 关键词：航空发动机 故障诊断 径向基函数神经网络篇2：基于RBF神经网络和M距离的卫星故障诊断
基于RBF神经网络和M距离的卫星故障诊断
在常规基于解析冗余故障诊断技术的基础上,采用具有最佳模拟特性的'RBF神经网络对系统进行建模,分析了M距离应用于卫星姿态控制系统故障检测与定位的可行性,应用基于M距离的方法设计故障检测观测器,通过对残差的评估实现故障诊断.仿真结果显示,该方法计算过程简单、实时性好.
作 者：燕飞 秦世引 Yan Fei Qin Shiyin 作者单位：北京航空航天大学自动化科学与电气工程学院,北京,100083 刊 名：航天控制 ISTIC PKU英文刊名：AEROSPACE CONTROL 年，卷(期)： 24(6) 分类号：V4 关键词：M距离 故障诊断 姿态控制系统 残差 RBF神经网络篇3：基于灰色神经网络的航空发动机振动故障诊断方法研究
基于灰色神经网络的航空发动机振动故障诊断方法研究
针对某型双转子航空涡扇发动机台架试车中出现的'振动异常现象,提出了一种基于灰色神经网络的航空发动机故障诊断方法,该方法不仅具有灰色关联度故障诊断方法计算量小、准确率高等优点,同时具备了神经网络强大的并行处理能力和良好的容错性.实例证明,该方法能够简单有效地诊断出航空发动机台架试车中出现的常见故障,为航空发动机故障诊断提供了一个新的途径.
作 者：倪绍华 沙云东 张军 NI Shao-hua SHA Yun-dong ZHANG Jun 作者单位：沈阳航空工业学院飞行器动力与能源工程学院,辽宁,沈阳,110034 刊 名：沈阳航空工业学院学报 英文刊名：JOURNAL OF SHENYANG INSTITUTE OF AERONAUTICAL ENGINEERING 年，卷(期)： 25(1) 分类号：V263.6 关键词：航空发动机 故障诊断 神经网络 灰色理论篇4：小波神经网络在航空发动机故障诊断中的应用
小波神经网络在航空发动机故障诊断中的应用
针对某型航空发动机构建了转子-滚动轴承动力学仿真模型,并利用该模型构造了三种发动机故障样本.研究中采用松散型的.小波神经网络,先对构造的三种故障信号进行小波包特征分析,提取其能量特征向量作为神经网络的输入,再采用改进的BP神经网络分类器进行发动机故障模式识别.仿真结果表明,基于小波神经网络的信息融合技术用于发动机的故障诊断是可行的和有效的.
作 者：欧阳运芳 沈勇 马婧 作者单位：上海航空测控技术研究所 刊 名：航空科学技术 英文刊名：AERONAUTICAL SCIENCE AND TECHNOLOGY 年，卷(期)： “”(6) 分类号：V2 关键词：航空发动机 故障诊断 小波包分析 神经网络篇5：航空发动机故障诊断技术及其发展
航空发动机故障诊断技术及其发展
随着航空发动机控制系统自动化水平的提高,系统日趋大型化、复杂化.一旦系统发生故障会造成巨大损失,因此,提高系统的可靠性与安全性,提高故障诊断技术水平具有十分重要的意义.
作 者：李华强 费逸伟 作者单位：空军工程大学工程学院 刊 名：航空维修与工程 PKU英文刊名：AVIATION MAINTENANCE & ENGINEERING 年，卷(期)：2007 “”(5) 分类号：V2 关键词：
文档为doc格式
