文献类型：期刊文章

作　　者：陈恬[1] 孙健国[1] 杨蔚华[1] 秦海波[2] 卓刚[1]

机构地区：[1]南京航空航天大学能源与动力学院,江苏南京210016 [2]中国航空工业第一集团公司614研究所,江苏无锡214063

出　　处：《航空学报》

基　　金：航空科学基金 (0 0C5 2 0 3 0 );博士基金 (2 0 0 0 0 2 870 1)资助项目

年　　份：2003

卷　　号：24

期　　号：1

起止页码：46-48

语　　种：中文

收录情况：AJ、AMR、BDHX、BDHX2000、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为克服学习样本依赖于发动机精确模型的问题 ,提出了一种基于自组织神经网络的发动机智能故障诊断的方法 ,并运用故障特征提取的数据预处理方式 ,成功地对航空发动机气路部件的几种典型故障做出正确诊断。为验证网络的抗噪性能 ,引入了自联想神经网络。研究表明 ,自组织网络可以脱离发动机模型 ,并且对测量噪声有良好的鲁棒性 ,能基本满足航空发动机故障诊断的要求 ,具有较好的工程应用前景。

关 键 词：自组织神经网络 航空发动机 故障诊断 自联想神经网络 发动机模型  

分 类 号：V213.3] V263.5