压气机失速检测的神经网络反面选择模型

提出了一种航空发动机压气机失速故障检测的神经网络反面选择模型。该模型利用人工免疫系统的反面选择原理来构建神经网络检测器,通过训练将压气机的异常模式信息存储在分布的检测器中,根据检测器的激活来发现故障。通过混沌时间序列的异常检测仿真实验,研究了模型参数对故障检测性能的影响。某型涡喷发动机失速检测实验表明,该方法对压气机失速信号的模式特征具有较强的分辨能力,同时证实神经网络检测器比常规的二进制编码检测器具有更好的故障识别能力。     

基于学习向量量化的传感器免疫网络诊断模型

为克服传感器免疫网络连接权值获取困难,提出了一种基于学习向量量化的传感器免疫网络诊断模型.该模型将学习向量量化(LVQ)的概念引入到传感器免疫网络模型中,在训练模式下,LVQ用于提取传感器正常工作下的相关性;在诊断模式下,根据LVQ获取的知识即可以确定传感器之间的检测结果,同时给出了诊断模型的性能优化算法.航空发动机传感器的仿真结果表明,所提出的方法能够准确获得网络节点之间的连接权值,保证免疫网络具有较高的检测灵敏度.     

航空发动机铁谱磨粒图像的处理研究

为了有效监控航空发动机磨损故障,经过大量的仿真研究,选择并确定了某航空发动机铁谱磨粒图像的滤波方法;对铁谱彩图的灰度化时的灰度算法进行了合理选择;对基于最大类间方差法Otsu的图像分割算法作了进一步改进,使铁谱磨粒图像中的磨粒与背景能有效分开,同时具有很强的抗干扰性.