航空發動機磨損故障的智能融合診斷

運用了4種最常用的滑油分析技術--鐵譜分析、光譜分析、顆粒計數分析及理化指標分析,同時結合發動機試車臺監測數據,提出了運用神經網絡和D-S證據理論對發動機試車狀態進行融合診斷的方法.首先依據各種分析方法的標準磨損界限值,將原始數據進行了預處理,轉換成故障征兆的布爾值;其次,建立了各子神經網絡的拓撲結構,并依據專家經驗建立各子系統的輸入征兆與故障論域的映射關系,由此獲得了各子神經網絡的訓練樣本,對各網絡成功訓練后,利用神經網絡實現各子網絡的診斷并得到了中間診斷結果;然后,將每種方法的神經網絡診斷結果作為各故障模式的基本概率分配值,利用改進的D-S證據理論,實現了對神經網絡診斷結果的融合,由此獲得了最終的融合診斷結果;最后,通過算例證明了該方法的有效性.

作 者： 陳果 楊虞微 左洪福 Chen Guo Yang Yuwei Zuo Hongfu   作者單位： 南京航空航天大學民航學院,南京,210016,中國  刊 名： 南京航空航天大學學報（英文版）  EI 英文刊名： TRANSACTIONS OF NANJING UNIVERSITY OF AERONAUTICS AND ASTRONAUTICS  年，卷(期)： 2006 23(4)  分類號： V231.9  關鍵詞： 磨損故障診斷   數據融合   神經網絡   D-S證據理論   航空發動機   wear fault diagnosis   data fusion   neural network   D-S evidence theory   aeroengine  

【航空發動機磨損故障的智能融合診斷】相關文章：

診斷證明05-17

融合的作文03-27

融合的作文11-07

融合的作文03-26

融合_750字05-01

融合_750字03-27

融合_800字02-18

融合_900字02-18

融合教育心得11-08

融合_800字05-01