改进FBPNN在飞机系统故障预测中的应用

针对飞机故障预测问题展开研究,提出一种改进的模糊BP神经网络(Fuzzy BP Neural Network,FBPNN)故障预测模型。在FBPNN第二层中,选取影响系统状态评估的多个因素,为各因素确定隶属度值,并利用方差-协方差法给每个因素的隶属度值赋权值,来减小传统FBPNN直接由专家经验选取已有的单因素隶属度函数或它们的演化形式带来的主观性,从而得到更满足实际要求的预测模型,最后利用MATLAB结合飞机襟缝翼系统的相关数据进行仿真研究。结果证明,改进的FBPNN较传统FBPNN具有更好的预测效果。

基于ABC-BP神经网络的航空发动机故障诊断方法

为有效诊断发动机机械磨损故障,根据滑油金属磨屑建立基于ABC-BP神经网络故障诊断模型。模型针对BP神经网络的缺陷,利用人工蜂群优化BP神经网络,在初始化参数时将BP神经网络的误差函数作为人工蜂群的适应度,选择适应度最优的一组参数作为神经网络的权值和阈值。最后应用航空实际数据进行仿真研究,结果表明模型有较好的故障诊断效果,为实现故障预测和健康管理奠定基础。