航空发动机磨损故障的智能融合诊断
运用了4种最常用的滑油分析技术--铁谱分析、光谱分析、颗粒计数分析及理化指标分析,同时结合发动机试车台监测数据,提出了运用神经网络和D-S证据理论对发动机试车状态进行融合诊断的方法.首先依据各种分析方法的标准磨损界限值,将原始数据进行了预处理,转换成故障征兆的布尔值;其次,建立了各子神经网络的拓扑结构,并依据专家经验建立各子系统的输入征兆与故障论域的映射关系,由此获得了各子神经网络的训练样本,对各网络成功训练后,利用神经网络实现各子网络的诊断并得到了中间诊断结果;然后,将每种方法的神经网络诊断结果作为各故障模式的基本概率分配值,利用改进的D-S证据理论,实现了对神经网络诊断结果的融合,由此获得了最终的融合诊断结果;最后,通过算例证明了该方法的有效性.
作 者： 陈果 杨虞微 左洪福 Chen Guo Yang Yuwei Zuo Hongfu 作者单位： 南京航空航天大学民航学院,南京,210016,中国 刊 名： 南京航空航天大学学报（英文版） EI 英文刊名： TRANSACTIONS OF NANJING UNIVERSITY OF AERONAUTICS AND ASTRONAUTICS 年，卷(期)： 2006 23(4) 分类号： V231.9 关键词： 磨损故障诊断 数据融合 神经网络 D-S证据理论 航空发动机 wear fault diagnosis data fusion neural network D-S evidence theory aeroengine