改进BP神经网络在发动机性能趋势分析和故障诊断中的应用

被引：14

作者：

刘永建 ^{[1
]}

朱剑英 ^{[1
]}

曾捷 ^{[2
]}

机构：

[1] 南京航空航天大学民航学院

[2] 南京航空航天大学航空宇航学院

来源：

南京理工大学学报(自然科学版) | 2010年 / 34卷 / 01期

关键词：

神经网络; 蚁群优化算法; Levenberg-Marquardt算法; 航空发动机; 性能趋势分析; 故障诊断;

D O I：

10.14177/j.cnki.32-1397n.2010.01.027

中图分类号：

V263.6 [故障分析及排除]; TP183 [人工神经网络与计算];

学科分类号：

082503 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对常规BP神经网络参数的经验式取值方法以及收敛速度慢,容易陷入局部最小点等缺陷,设计了一种改进的神经网络系统,利用蚁群算法优化神经网络连接权初值,并采用LM算法对人工神经网络进行训练,提高了网络的收敛速度,降低了训练误差。将其应用于某型利用ACARS报文实时获取飞机性能参数的发动机趋势分析和故障诊断中,可以快速准确地实现对发动机的性能趋势分析和复杂故障的诊断。最后通过仿真,对算法进行检验,结果表明改进算法的诊断置信度比改进前高。

引用

页码：24 / 29

页数：6

共 11 条

[1] 基于神经网络规则提取的航空发动机磨损故障诊断知识获取 [J].