发动机传感器数据证实的贝叶斯信度网络方法

针对发动机及其部件试验传感器数据证实的多源证据融合问题,描述了建立贝叶斯信度网络的方法,给出了传感器状态和检验关系式不确定性信息表达方法,发展了自动建立贝叶斯信度网络、计算可信度概率及更新网络的算法;给出了贝叶斯信度网络方法在模型发动机上的应用示例。

涡轮试验传感器数据证实的自关联神经网络方法

针对具有非线性和时变关系的涡轮试验多通道信号偏差检测问题,建立了自关联神经网络估计器和预报器方法。分析了自关联神经网络结构及输入-输出参数与测量变量之间的关联关系,提出了不同输入参数的涡轮试验传感器数据估计器和预报器,实现了对数据偏差的检测、分离及数据重构。

发动机传感器数据偏差检测子空间方法研究

检测了应用子空间方法检测具有线性关联的多通道信号偏差。方法原理是利用正常工况数据的主元分析建立主元-残差子空间模型,计算新数据在模型子空间的统计量,以是否超越阈值判别数据中是否包含传感器偏差。导出了数据偏差幅值与主元-残差子空间结构参数影响偏差检测性的量化关系,并用一种实际涡轮试验数据进行验证,结果表明发展的子空间方法可有效检测线性关联多通道信号中的加性传感器偏差。