基于徑向基神經(jīng)網(wǎng)絡的飛機發(fā)動機故障診斷研究.pdf

1、飛機發(fā)動機的故障診斷對航空公司有著非常重要的意義，如果能全面了解發(fā)動機性能并對其故障進行快速、準確的隔離和辨識，就可以更好的有計劃的換發(fā)以及確定發(fā)動機送修時的工作范圍和深度，從而大大的減少運營和維修成本，提高公司效益，并有效避免重大事故的發(fā)生。本文在介紹當前飛機發(fā)動機故障診斷技術(shù)及分析神經(jīng)網(wǎng)絡用于發(fā)動機故障診斷現(xiàn)狀的基礎(chǔ)上，將徑向基神經(jīng)網(wǎng)絡用于飛機發(fā)動機故障診斷作為研究課題。 本文首先對神經(jīng)網(wǎng)絡和當前飛機發(fā)動機故障診斷技術(shù)進行了

2、介紹，結(jié)合神經(jīng)網(wǎng)絡的一些特性，對神經(jīng)網(wǎng)絡用于故障診斷的優(yōu)點進行了分析。對神經(jīng)網(wǎng)絡的研究表明，神經(jīng)網(wǎng)絡具有良好的工程應用前景，神經(jīng)網(wǎng)絡被認為是最有潛力的診斷工具。目前用于發(fā)動機故障診斷的神經(jīng)網(wǎng)絡主要有BP網(wǎng)絡、自組織(SOM)神經(jīng)網(wǎng)絡、概率(PNN)神經(jīng)網(wǎng)絡。BP網(wǎng)絡是靠整個網(wǎng)絡“記住”了故障模式，自組織特征映射網(wǎng)絡利用樣本的距離來聚類。概率神經(jīng)網(wǎng)絡則是由已知模式樣本估計類條件的概率密度，然后得到Bayes意義下的最優(yōu)分類且其網(wǎng)絡訓練無需

3、迭代。本文分別對這三種網(wǎng)絡進行了仿真實現(xiàn)。 在此基礎(chǔ)上對徑向基(RBF)神經(jīng)網(wǎng)絡用于飛機發(fā)動機故障診斷進行了研究。首先介紹了徑向基(RBF)神經(jīng)網(wǎng)絡及RBF網(wǎng)絡的學習算法，然后結(jié)合飛機發(fā)動機故障實際情況，改進實現(xiàn)了k-means聚類學習算法；對用于故障診斷的這幾種神經(jīng)網(wǎng)絡進行比較，最后利用集成神經(jīng)網(wǎng)絡進行發(fā)動機故障診斷。結(jié)果表明：徑向基(RBF)神經(jīng)網(wǎng)絡具有結(jié)構(gòu)簡單、訓練速度快、診斷精度高等優(yōu)點，在發(fā)動機故障診斷中有很好的潛力；