基于極限學習機的航空發(fā)動機傳感器故障診斷研究.pdf

1、針對基于梯度的傳統學習算法多存在參數選擇困難、容易陷入局部最小化、過擬合等問題，研究了基于極限學習機的航空發(fā)動機傳感器故障診斷方法。內容涉及極限學習機算法的優(yōu)勢及改進、雙冗余傳感器故障診斷機制的建立及傳感器故障的仿真驗證。
　　首先分析和論述了極限學習機算法的優(yōu)勢。極限學習機算法僅需設置隱含層神經元的個數和選擇激活函數，縮短了訓練時間。仿真表明：在所建的訓練模型精度相近的情況下，極限學習機算法的訓練速率比BP神經網絡算法的訓練速率

2、快兩百多倍，且他們的測試精度和測試時間相近。
　　其次分析比較貼合實際的在線貫序極限學習機算法，并提出加權在線貫序極限學習機算法。運用給新舊數據分配不同的權值的方法，實現了對新數據和舊數據的不等權處理。仿真表明：加權在線貫序極限學習機算法比在線貫序極限學習機算法擁有更高的模型測試精度。
　　然后利用加權在線貫序極限學習機算法建立航空發(fā)動機傳感器的雙冗余故障診斷模型，運用空間冗余和時間冗余的結合來實現故障傳感器的診斷與定位。并