排序方式: 共有6条查询结果,搜索用时 140 毫秒
1
1.
2.
3.
4.
基于分层克隆粒子群算法的航空发动机性能仿真 总被引:1,自引:0,他引:1
针对传统的迭代算法在求解航空发动机非线性模型存在的受初值影响不易收敛问题,引入粒子群算法进行求解,并针对粒子群算法的局部收敛现象对其进行改进,设计一种分层克隆粒子群算法:将种群分为顶层和底层两个种群,通过对顶层粒子的克隆选择和底层粒子的混沌变异,分别提高算法的局部搜索能力和全局搜索能力,有效避免了出现局部收敛等问题。对测试函数求解的结果表明改进算法性能较遗传算法和粒子群算法有显著提高。将改进算法应用于某型混合排气涡扇发动机性能仿真,也得到满意的结果。 相似文献
5.
A new simulation strategy is proposed for the starting process of missile turbojet engine windmill. The starting process of windmill before ignition is simulated using a radial basis function neural network (RBFNN) , and the acceleration process after ignition which model is a set of nonlinear equations is solved using a particle swarm optimization (PSO) algorithm. The introduction of PSO helped to tackle the problem of divergence caused by traditional iteration methods. The calculated result is in a great ... 相似文献
6.
深度学习因强大的特征提取能力已逐渐成为旋转机械故障诊断的主要方法。但深层模型缺乏领域适应能力,工况变化时性能衰退严重。迁移学习为解决变工况诊断问题提供新的途径。然而现有深度迁移学习方法大多仅对齐不同领域分布的均值中心,未考虑特征分布的流形结构,其适配性能仍难以应对不同工况复杂的机械故障信号。针对该问题,提出一种深度流形迁移学习方法,以堆叠自编码器为框架,在无监督预训练阶段同时利用源域和目标域样本训练,充分挖掘数据本质特征;针对模型微调,提出流行迁移框架,在适配分布差异同时还保持领域间特征分布结构的一致性。将新方法与现有迁移学习方法在旋转机械故障诊断案例进行充分的比较实验,结果表明,新方法优于现有方法,能显著提高变工况故障诊断精度。通过有效性分析在机理上进一步证明了融合目标域数据的无监督预训练策略和流形迁移微调策略对提高变工况故障诊断的有效性。 相似文献
1