基于ImOS-ELM的航空发动机传感器故障自适应诊断技术

被引：23

作者：

李业波 ^{[1
]}

李秋红 ^{[1
]}

王健康 ^{[2
]}

黄向华 ^{[1
]}

赵永平 ^{[3
]}

机构：

[1] 南京航空航天大学能源与动力学院

[2] 中国空间技术研究院北京控制工程研究所

[3] 南京理工大学机械工程学院

来源：

航空学报 | 2013年 / 34卷 / 10期

关键词：

极端学习机; 正则化; 选择策略; 航空发动机; 传感器; 故障诊断与隔离;

D O I：

暂无

中图分类号：

V263.6 [故障分析及排除];

学科分类号：

080201 [机械制造及其自动化];

摘要：

针对在线贯序极端学习机(OS-ELM)算法矩阵容易陷入奇异和病态、在算法开始阶段不具有预测能力的问题,结合选择策略提出一种改进的OS-ELM(ImOS-ELM)算法。该算法通过引入正则化因子,消除了矩阵奇异和病态的问题,提高了预测精度,并使得算法能够在初始阶段就具有预测能力。同时以泛化能力为判断依据,通过选择策略对输出权值进行选择性地更新,该算法在很大程度上缩短了训练时间。为了验证算法的有效性,用时间序列数据进行了仿真测试验证。最后,将ImOS-ELM算法应用于航空发动机传感器故障的诊断与隔离。仿真结果表明,该算法能够对航空发动机双传感器偏置故障和单传感器漂移故障进行有效地诊断与隔离,并具有较高的预测精度和实时性。

引用

页码：2316 / 2324

页数：9

共 8 条

[1]

基于贯序正则极端学习机的时间序列预测及其应用 [J].