基于GA-AANN神经网络的SDQ算法的航空发动机传感器数据预处理

为实现对输入健康管理系统的航空发动机传感器数据进行数据鉴定、故障诊断以及去除噪声信号干扰,提出了一种航空发动机传感器数据预处理方法。针对双通道传感器航空涡扇发动机,搭建了以合理性检验模块和解析冗余检验模块为主要内容的SDQ算法模型,利用遗传算法优化的AANN神经网络实现传感器的解析冗余检验。采用蒙特卡罗仿真方法,将改进的SDQ算法与一种基于最小二乘法的SDQ算法进行对比仿真验证。结果表明,本文提出的SDQ算法在发动机稳态条件下对阶跃故障和漂移故障隔离的平均正确率分别提高了1.7%和19.1%,在发动机动态条件下对阶跃故障和漂移故障隔离的平均正确率分别提高了12.5%和33.8%。且在多传感器故障诊断和除噪方面性能优异,处理后的传感器信号平均信噪比提高了8.27dB。

基于AANN/GMM混合结构的噪声分类方法

提出了高斯混合模型应用于噪声分类的具体方法。并且在此基础上提出了一种嵌入自联想神经网络的高斯混合模型,它充分利用了神经网络和高斯混合模型各自的优点,以最大似然概率(ML)为准则,把它们作为一个整体来进行训练。训练过程中,高斯混合模型和神经网络的参数交替更新。由于神经网络起到了"数据整形"的作用,因而提高了不同噪声源的相同噪声类型的噪声特征数据的相似性。实验结果表明,嵌入自联想神经网络的高斯混合模型比高斯混合模型的噪声分类识别率有所提高。

智能传感器自诊断中AANN参数正交试验优选法

针对智能传感器故障诊断中自联想神经网络AANN参数优选问题,提出AANN参数正交试验优选方法,该方法通过建立智能传感器自诊断模型及其AANN模型,选择正交试验因素与水平、指标,进行AANN训练与试验,得到AANN的最优参数.

基于AANN的数字滤波技术

航空发动机在高温、高压、高转速及较大振动等恶劣的条件下工作时 ,其控制系统中的传感器很容易受到干扰 ,所以发动机测量参数中常常包含较大的噪声。另一方面 ,发动机的测量参数多于其独立变量的数量 ,即在这些测量参数中存在冗余信息。AANN(自联想神经网络 )通过对信息的压缩及解压缩过程 ,能够利用冗余信息抑制其测量噪声。在发动机故障诊断过程中 ,应用自联想神经网络对测量参数进行预处理 ,可以大大提高故障诊断的准确率。

嵌入自联想神经网络的高斯混合模型说话人辨认

该文提出了一种嵌入自联想神经网络的高斯混合模型,它充分利用了神经网络和高斯混合模型各自的优点,以最大似然概率(ML)为准则,把它们作为一个整体来进行训练。训练过程中,高斯混合模型和神经网络的参数交替更新。由于神经网络起到了"数据整形"的作用,因而提高了类内数据的相似性。实验结果表明,采用该文提出的模型在各种信噪比情况下的识别率都比基线系统有所提高,最高能达到19%。

温变影响下基于自联想神经网络的损伤检测

为避免基于结构频率的损伤检测法因温变影响而出现误判,提出一种自联想神经网络(AANN)和奇异检测技术相结合的损伤检测方法,利用某桥梁结构健康监测(SHM)Benchmark试验结构的数值模型,分析温变和损伤对结构频率的影响,用温变影响下健康结构的前十阶竖向弯曲模态频率训练AANN来提取频率和温度的关系。为消除温变影响,构造网络输出与输入间的欧式距离作为损伤识别指标,对比结构未知状态和健康状态的指标值以判定结构是否存在损伤。通过在桥梁Benchmark结构中模拟多级损伤来验证该法的有效性,检测结果表明:该法不仅能可靠地检测温变影响下结构损伤的存在,且能定性地判别损伤程度的大小,并具有较强的抗噪声鲁棒性,可为实际桥梁结构的在线健康监测提供参考。

全包线内航空发动机参数估计的神经网络实现

介绍一种特殊的前向神经网络——自联想神经网络（Ａｕｔｏａｓｓｏｃｉａｔｉｖｅａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔ－ｗｏｒｋｓ，ＡＡＮＮ），然后将发动机参数在全包线、大范围工况下的变化规律与神经网络的非线性映射能力结合起来，开展了将ＡＡＮＮ应用于发动机全包线、大范围工况下参数估计的仿真研究。本文提出的选取测量矢量加入样本集的ＥＭＰ方法，有效地减少了样本集中样本矢量的数目，简化了网络的训练。用ＥＭＰ方法在全包线内仅用７４６组测量矢量作为样本集，在网络训练好后，任选包线内的一工况点作为算例运行发动机模型，所得各参数的稳态估计及动态估计的平均百分比误差＜０．５％。仿真结果表明，上述的参数估值方法是可行的，为进一步实现对发动机控制系统传感器的状态监视和故障诊断打下了基础。

嵌入自联想神经网络的高斯混合背景模型说话人确认

提出在高斯混合背景模型中嵌入自联想神经网络的方法,并将它用于说话人确认.该方法利用神经网络和高斯混合背景模型各自的优点,以极大似然概率为训练准则,将两者作为一个整体进行训练,揭示了特征向量的空间信息.嵌入的神经网络起到了数据整形的作用,增强了目标说话人数据的相似性.在背景模型和目标模型的训练中交替更新高斯混合模型和神经网络的参数.实验表明,采用本文提出的模型并结合TNorm方法,比基线系统的确认率提高26%.

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。

基于自联想神经网络的传感器故障诊断

提出一种基于自联想神经网络(AANN)的新算法用于系统中传感器故障诊断。阐述了AANN的结构和算法。具体说明了搜寻2个故障传感器和恢复信号的方法。用改进的AANN诊断有噪声情况下传感器跳变故障并恢复信号。本方法有易实现、结构简单的优点,仿真结果表明:本方法是可行的。

基于神经网络的故障预警平台设计与开发

在电站实际运行过程中,火电机组设备众多、结构复杂,而热工参数也存在着多维、耦合性强的特性,他们是设备运行状态的直接反应,一个参数发生的任何异变都会对多个参数、多设备乃至整个热工过程产生严重的影响,给发电过程带来严重的后果,因此有必要对热工设备的运行状态进行实时监测和预警,故障检测、故障预警、故障诊断已经成为热工过程最为重视的问题。基于热工过程海量数据流,利用自联想神经网络建模方法,开发了预警系统。试验数据表明,该系统为电厂运行人员提供了灵活的建模方法和准确的预警,能为运行人员提供可靠指导。

基于自联想神经网络与模糊C均值的滚动轴承的性能退化评估

滚动轴承是旋转机械中最重要也是最容易出现故障的零部件之一,如果能对滚动轴承的性能进行实时监测评估就能及时做出维修策略,故建立了自回归(AR)模型,提取滚动轴承全寿命周期的AR模型的自回归系数和残差,对提取到的特征降维后建立自联想神经网络(AANN)以及FCM模型,然后将AANN模型的输出与输入向量之差作为特征向量输入到FCM模型中,得到性能退化指标,再用实例对结论进行验证。实验表明,文中提出的性能退化方法得到的结论与轴承加速疲劳试验得到的结果是一致的。