涡扇发动机气路故障定量诊断的BP网络研究

涡扇发动机气路故障定量诊断的BP网络研究

为了克服BP算法收敛速度慢的问题,提出了一种基于混合学习规则的BP算法,并采用模归一化方法,成功地定量组织了故障的学习样本,建立了能够定量分析发动机气路部件故障的人工神经网络(BPN).通过分析测量系统随机误差的影响和实际试车数据的效验结果 ,表明该网络具有较强的推广能力及适应性,能基本满足故障定量诊断的要求,并具有较好的工程实用性.

作 者： 孙斌 张津 张绍基 Sun Bin Zhang Jin Zhang Shaoji   作者单位： 孙斌,张津,Sun Bin,Zhang Jin(北京航空航天大学动力系,北京,100083)

张绍基,Zhang Shaoji(沈阳航空发动机研究所,沈阳,110015) 

刊 名： 推进技术  ISTIC EI PKU 英文刊名： JOURNAL OF PROPULSION TECHNOLOGY  年，卷(期)： 1999 20(4)  分类号： V235.133  关键词： 涡轮风扇发动机   发动机空气系统部件   故障诊断   人工神经元网络  

【涡扇发动机气路故障定量诊断的BP网络研究】相关文章：

基于灰色神经网络的航空发动机振动故障诊断方法研究04-26

基于定性定量知识集成的液体火箭发动机故障诊断方法04-27

基于WEB的航空发动机故障远程诊断技术研究04-26

某型涡扇发动机地面起动试验研究04-26

基于小波网络航空发动机滑油系统故障诊断方法研究04-26

网络故障的诊断和排除04-27

航空发动机磨损故障的智能融合诊断04-27

BP网络过拟合问题研究及应用04-27

涡扇发动机加速过程的模糊控制04-27

民用航空发动机性能故障诊断途径04-26