首页> 中文期刊> 《机电信息》 >基于深度置信网络的涡扇发动机气路故障诊断研究

基于深度置信网络的涡扇发动机气路故障诊断研究

         

摘要

为了提高发动机气路部件性能衰退故障的诊断精度,针对传统的浅层神经网络在诊断时存在泛化能力欠缺、易产生局部最优解等问题,引入了深度置信网络(DBN)对发动机部件性能衰退故障进行诊断研究.以涡扇发动机为对象,从诊断精度、计算时间、抗噪能力3个方面综合比较分析了DBN算法与核极限学习机(KELM)算法.结果表明,DBN算法在低、中、高水平噪声下的诊断精度分别为89.44%、88.38%和86.59%,诊断精度和抗噪声能力明显优于KELM算法,且诊断速度更快.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号