航空发动机传感器解析余度模型的建立方法

摘要：

为了使用解析余度模型对传感器故障进行诊断,提出了1种基于K-均值聚类与改进微分进化算法优化的极端学习机(IDE-ELM)的发动机传感器解析余度模型建立方法.为避免求解ELM算法时H矩阵奇异,采用K-均值聚类对试验数据进行聚类处理,然后从每类数据中选取1组数据组成训练样本用于训练;利用IDE算法优化ELM的输入层权值和偏置,提高ELM的泛化能力.利用飞行试验数据进行了仿真验证.结果表明:基于K-均值聚类和IDE-ELM设计的传感器解析余度模型具有较高的精度,可用于FADEC系统双通道传感器的故障诊断.

关键词：传感器、解析余度模型、极端学习机、K-均值聚类、微分进化算法、航空发动机

所属期刊栏目：44

分类号：V233.7(航空发动机（推进系统）)

资助基金：航空动力基础研究项目资助

在线出版日期：2018-08-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：67-71