基于反面选择原理的智能融合故障检测模型及其应用

针对反面选择算法用于故障检测所存在的局限性,提出了一种基于反面选择原理的智能融合故障检测模型。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,通过训练将系统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系统的故障。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。最后以发动机压气机失速检测实验为例,证实该方法对失速信号的模式特征具有较强的分辨能力,同时表明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。

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。