基于ELM的航空发电机旋转整流器故障诊断方法研究

随着多电飞机和全电飞机概念的提出和逐步实现,航空电源系统变得日益重要,其可靠性、维护性及可测试性也成为人们日益关注的问题。航空发电机是航空主电源,作为航空电源系统的核心部件,其能否正常工作直接影响着飞机的供电能力,进而影响着飞机的运行状态。旋转整流器是航空发电机的关键部件,开展航空发电机旋转整流器故障诊断方法研究,对于提高航空发电机运行可靠性,保证飞机安全运行具有重要意义。本文主要研究基于极限学习机(Extreme Learning Machine,ELM)的航空发电机旋转整流器故障诊断方法,具体研究内容如下:(1)通过Matlab/Simulink仿真软件建立航空发电机的整体模型,对旋转整流器各种故障模式下的相关信号进行仿真分析,为后续的故障诊断奠定基础。(2)研究了极限学习机算法的基本原理,并针对该算法的某些局限性,研究了两种改进方法,分别基于思维进化算法(Mind Evolutionary Algorithm,MEA)和教与学优化算法(Teaching-Learning-Based Optimization,TLBO)。利用极限学习机和两种改进方法对航空发电机的仿真数据进行故障模式分类并与BP神经网络和支持向量机进行对比,对实验结果进行分析。(3)搭建了发电机故障模拟实验平台,进行了相关的故障实验研究。分别在发电机空载和带阻性负载情况下,设置旋转整流器故障,采用多种故障诊断方法对实测数据进行诊断,并对各种方法的性能进行对比、分析和总结。