| 郑波1，马昕2.改进的Kohonen 网络在航空发动机分类故障
诊断中的应用[J].航空发动机,2020,46(2):23-29 |
| 改进的Kohonen 网络在航空发动机分类故障
诊断中的应用 |
| Application of Improved Kohonen Network in Aeroengine Classification Fault Diagnosis |
| |
| DOI： |
| 中文关键词: Kohonen 网络 PSO 算法 自适应继承 自适应检测响应 故障诊断 航空发动机 |
| 英文关键词:Kohonen network PSO algorithm adaptive inheritance adaptive detecting response fault diagnosis aeroengine |
| 基金项目:四川省科技计划项目（2019YJ0720）、中国民用航空局发展基金教育人才类项目（14002600100018J034）、中国
民用航空飞行学院面上项目（2019-053）资助 |
|
| 摘要点击次数: 1441 |
| 全文下载次数: 671 |
| 中文摘要: |
| 针对传统Kohonen 网络对未知样本识别时的不可辨识性和分类结果不惟一性问题，利用改进的Kohonen 网络对航空发
动机进行分类故障诊断，并利用混合粒子群优化算法对网络连接权值进行优化，以提高Kohonen 网络在分类故障诊断中的通用性
和容错能力。对GE90 发动机的孔探图像纹理特征识别进行对比。结果表明：改进的Kohonen 网络在分类故障诊断中有较强的实用
性，分类准确率高于常用神经网络模型和支持向量机的。 |
| 英文摘要: |
| In order to overcome the problems of inidentify and inunique classification results of unknown samples identified by
Traditional Kohonen（T-Kohonen）network，the classification fault diagnosis of aeroengine was carried out by using Improved Kohonen（IKohonen
）network. The Hybrid Particle Swarm Optimization（H-PSO）algorithm was used to optimize the network connection weights to
improve the generality and fault tolerance of Kohonen network in classification fault diagnosis. Borescope image texture feature
identification of GE90 engine was compared. The results show that the I-Kohonen network is more practical in classification fault diagnosis，
and the classification accuracy is higher than that of common neural network models and Support Vector Machines（SVM）. |
| 查看全文 查看/发表评论 下载PDF阅读器 |
| 关闭 |