引入隐变量机制的航空发动机智能故障诊断系统
基于BIT和ATE设计的航空发动机FDS(故障诊断系统)在地面工作正常,而在飞行状态下会出现诊断性能大幅下降;使用Fisher判决率对故障特征样本分析,确认飞行高度等隐变量对故障特征样本质量的影响导致了FDS性能的下降;提出了两种解决方案:(1)直接将隐变量增加到故障特征集;(2)采用人工神经网络方法对故障特征样本进行数据预处理,消除隐变量对样本质量的影响.实验结果说明,后一种方法能够更为有效地消除隐变量的影响,提高飞行状态下航空发动机故障诊断系统的性能.
航空发动机、故障诊断系统、飞行状态、隐变量
16
TP306(计算技术、计算机技术)
国家部委基金51315080404;9140A17050206HK03
2009-03-10(万方平台首次上网日期,不代表论文的发表时间)
共4页
1770-1772,1777