|
题目:
雅宝题库答案:
****此区域为收费内容**** 需支付 1 知识币后可查看,1币=0.01元查看答案
雅宝题库解析:
本文利用基于数据的RBF神经网络和支持向量机(SVM)两种算法,以及信息融合理论(D-S证据理论)研究航空发动机的气路故障诊断题目。通过快速、有效、准确的算法完成航空发动机气路监视和诊断,对进一步保证航空发动机安全可靠运行,实现发动机视情维修,降低全寿命周期维护费用,提高发动机部件管理水平等方面都有着十分重要的现实意义。本文利用已有发动机性能数学模型(包括基线模型和故障模型)生成样本数据,并适当添加噪声用于气路诊断算法的研究。与相关的研究相比,本文中设置的故障类型较多,单故障有13种,双故障有77种,分别用RBF神经网络和支持向量机(SVM)两种算法对气路故障进行研究,验证了两种算法的诊断效果受样本数量、基函数系数和隐含层数等的影响,同时对于两种算法应用于发动机气路故障诊断的有效性进行了分析。随后研究了支持向量机(SVM)的后验概率题目,最后在RBF神经网络和支持向量机(SVM)诊断结果的概率分布基础上,采用D-S 理论对这两个独立子系统的诊断结果进行决策级别的融合,对故障模式进行识别。D-S证据理论可以避免单独使用某种算法时,由于算法本身存在的缺陷或受到样本量、参数等限制造成的误诊情况。通过对发动机气路故障的仿真,验证了融合故障诊断方法的有效性,具有较高的诊断精度。 |
上一篇:电子式供氧抗荷调节器的仿真研究下一篇:BiOCl基薄膜制备及光催化性能研究
|