文献类型：期刊文章

作　　者：艾剑良[1] 杨曦中[1,2]

AI JianLiang1 ,YANG XiZhong1,2(1Department of Aeronautics and Astronautics, Fudan University, Shanghai 200433, China ;2Chinese Aeronautical Radio Electronics Research Institute, Shanghai 200233, Chin)

机构地区：[1]复旦大学航空航天系,上海200433 [2]中国航空无线电电子研究所,上海200233

出　　处：《中国科学：技术科学》

基　　金：上海市商用航空发动机领域联合创新计划(编号:AR908.D1RW.002)资助项目

年　　份：2018

卷　　号：48

期　　号：3

起止页码：326-335

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：航空发动机在使用过程中,气路部件的性能不可避免地发生了蜕化,相应的故障诊断技术对发动机的健康管理系统具有重要意义.本文针对发动机在设计点的非线性部件级模型,借助PCC(Pearson correlation coefficient)相关分析方法,对神经网络的输入参数和输出参数的选取方式进行了优化.以前馈型神经网络为基础,针对常规BP(back propagation)神经网络收敛速度不稳定、且容易陷入极小值的缺陷,设计了一种新的自适应神经网络,准确估计了发动机部件的蜕化情况.这种算法融合了比例因子和动量因子,改善了网络的学习速率,提高了神经网络置信度和对发动机模型参数的泛化能力.结果表明,本文设计的自适应神经网络的精度优于常规BP神经网络,并且在训练样本数较少时,依然能够通过训练得到理想的网络,保证发动机健康参数的故障检测具有较高精度.

关 键 词：航空发动机 健康参数  故障诊断 自适应神经网络 相关分析  

分 类 号：TP183] V263.6]