10.3969/j.issn.1006-0316.2014.06.003
神经网络在航空活塞发动机排气门故障预测中的应用
针对航空活塞发动机排气门卡阻故障,经过对故障机理的分析,提出了一种利用神经网络对排气门导套与气门杆的配合间障进行预测,以间接预测排气门卡阻故障的方法.将影响排气门积垢速率的因素设定合理的特征值,以这些特征值和发动工作时间作为输入向量,配合间隙作为输出向量,分别建立了GRNN神经网络和BP神经网络预测模型.预测实例表明,GRNN神经网络预测模型具有较高的预测精度、稳定的网络以及较快的收敛速度,预测性能优于BP神经网络模型,预测结果可作为评估排气门卡阻故障发生概率的有效依据.
发动机、排气门、神经网络、GRNN、故障预测
41
TP183(自动化基础理论)
2014-08-01(万方平台首次上网日期,不代表论文的发表时间)
12-16