文献类型：期刊文章

作　　者：郑波[1] 马昕[2]

ZHENG Bo;MA Xin(Academic Affairs Office,Air Traffic Management College,Guanghan Sichuan 618307,China;Academic Affairs Office,Civil Aviation Flight University of China,Guanghan Sichuan 618307,China)

机构地区：[1]中国民用航空飞行学院教务处,四川广汉618307 [2]中国民用航空飞行学院空中交通管理学院,四川广汉618307

出　　处：《航空发动机》

基　　金：四川省科技计划项目(2019YJ0720);中国民用航空局发展基金教育人才类项目(14002600100018J034);中国民用航空飞行学院面上项目(2019-053)资助。

年　　份：2020

卷　　号：46

期　　号：2

起止页码：23-29

语　　种：中文

收录情况：BDHX、BDHX2017、IC、ZGKJHX、核心刊

摘　　要：针对传统Kohonen网络对未知样本识别时的不可辨识性和分类结果不惟一性问题,利用改进的Kohonen网络对航空发动机进行分类故障诊断,并利用混合粒子群优化算法对网络连接权值进行优化,以提高Kohonen网络在分类故障诊断中的通用性和容错能力。对GE90发动机的孔探图像纹理特征识别进行对比。结果表明:改进的Kohonen网络在分类故障诊断中有较强的实用性,分类准确率高于常用神经网络模型和支持向量机的。

关 键 词：KOHONEN网络 PSO算法 自适应继承  自适应检测响应  故障诊断 航空发动机

分 类 号：V263.6]