电力机车论文用自联想神经网络处理发动机测量参数电力机车论文下载


很抱谦，您的浏览器并不支持 IFrame，请与管理员联系，也可<a href="/login1.asp" target="_blank">点<font color="#FF0000">击这里注册</font></a>。

栏目导航

语文论文

用自联想神经网络处理发动机测量参数

[电力机车论文]    摘 
    要：自联想神经网络（AANN）采用了一种带有瓶颈层的特殊结构，且具有单位总增益。在经过大量带噪声样本的训练之后，各变量之间能够建立起内在联系。输入信息通过瓶颈层前的压缩及瓶颈层后的解压缩过程，信息中的精华将被提取，从而使人们能够利用冗余信息抑制其测量噪声。在基于发动机测量参数的故障诊断过程中，应用自联想神经网络作为滤波器对测量参数进行预处理，可以大大提高故障诊断的准确率。　　关键词：航空发动机；故障诊断；神经网络；数字滤波
    航空发动机在高温、高压、高转速及较大振动等恶劣的条件下工作时，其测量参数中常常包含较大的噪声，同时传感器因其工作环境恶劣也容易发生故障。发动机的测量参数多于其独立变量的数量，即在这些测量参数中存在冗余信息。自联想神经网络（Auto－associative
    neural
    networks，AANNs）通过对信息的压缩及解压缩过程，能够建立数据之间的内在关系，利用其冗余信息抑制其测量噪声。　　20世纪90年代初以来，基于神经网络的航天及航空发动机状态监视和故障诊断研究日趋活跃，并已获得一些成功的实际应用［1～4］。在采用基于神经网络的发动机故障诊断方法时，其诊断准确率对其测量参数的信噪比及传感器的工作状态十分敏感，即当测量信号中存在较大的噪声时，会导致很高的误诊率和漏诊率，使得诊断的准确率大大降低甚至无法正常使用［5，6］；或者当传感器发生故障时，误诊断为发动机的故障，造成不适当的操作和维护措施，对飞行安全构成威胁，或增加飞机运行和维护成本。这些问题使该方法在工程中的应用受到了限制。所以，采取有效措施对测量参数进行预处理，以验证传感器的工作状态，抑制测量噪声对故障诊断的不利影响，提高诊断准确率，就成为基于神经网络的发动机故障诊断方法从理论研究走向工程实用过程中需要……

<<<<<全文未完，本文约2998个中文字，未计算英文字母、数字>>>>>

已经是会员的请点这查看全文，点卡用户将从您的卡中扣除一点。
成为会员步骤如下：注册用户名→在线购卡。

投稿人：jff4

最后编辑：lzm_319

电力机车论文

版权申明：以上论文为网友投稿或收集于网络，论文资料仅供参考，如果你是作者，需要删除这篇论文,请联系我们，将在24小时内删除。
\|设为首页\|\|加入收藏\|\|站内搜索引擎\|\|站点地图\|\|在线购卡\|
版权所有教育论文网 Copyright(C) All Rights Reserved