基于极限学习机的航空旋转整流器故障诊断技术探究.pdfVIP

下载本文档

8
0
约2.42万字
约 4页
2019-03-12 发布于广西
举报
版权申诉

基于极限学习机的航空旋转整流器故障诊断技术探究.pdf

1、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

•电气与自动化 • 王潇雅,等 •基于极限学习机的航空旋转整流器故障诊断技术研究 - DOI:10.19344/ ｊ.ｃnki.issn1671 5276.2017.05.056 基于极限学习机的航空旋转整流器故障诊断技术研究王潇雅,崔江,唐军祥,叶纪青 (南京航空航天大学自动化学院,江苏南京211106) 摘要:航空发电机是航空电源系统的核心部件,针对目前应用于航空发电机旋转整流器故障诊断中的人工智能算法存在诊断速度慢、参数选取困难等问题,将极限学习机引入到航空旋转整流器故障诊断领域。以航空三级式发电机为例,分析了旋转整流器的故障模式,在Matlab/ Simｕlink 中建立发电机模型并模拟旋转整流器故障模式。实验结果表明,极限学习机具有较高的诊断精度。与传统的故障诊断方法相比,它具有更优的诊断效率。关键词:航空发电机；旋转整流器；极限学习机；故障诊断中图分类号:TP277.3 文献标志码:B 文章编号:1671-5276(2017)05-0219-04 Fault Diagnosis Technologｙ Research of Aircraft Generator Rotating Rectifier Based on Extreme Learning Machine ＷANGXiaoya,CＵIJiang,TANGJｕnxiang,YEJiｑing (Schoolof automation,Ｎanｊing Ｕniｖerｓity of Aeronauticｓ and Aｓtronauticｓ,Ｎanｊing211106 Ｃhina) Abstract:Aircraft generatoriｓthecorecomponent of aircraft electricalpoｗerｓyｓtem. Ｂecauｓethe proｂlemｓ of ｓloｗfault diagnoｓiｓ and difficultly ｓelectingparameterｓeｘiｓt inthefaultdiagnoｓiｓofaircraft generatorrofafing rectifierｂy uｓeofartificialintelligencealgo- - rithm,thiｓ paper introduceｓ the eｘfreme learning machine into thiｓ fault diagnoｓiｓ. lt taｋeｓ the three ｓtage generatorfor eｘample, analyｚeｓ thefailure modeofthe rotating rectifier,andthen,eｓtaｂliｓheｓthegeneratormodelandｓimulateｓthefailurmodeofthe ro- tating rectifierinMatlaｂ/ ｓimulinｋ.Theｓimulationreｓultｓ indicatethat EＬMhaｓgoodfaultdiagnoｓiｓaccuracy.Ｃomparedｗithconｖen- tionalfault diagnoｓiｓ method,it iｓ of higherefficiency of thefault diagnoｓiｓ. Ｋeｙｗords:aircraft generator；rotating rectifier；eｘtreme learning machine(EＬM)；fault diagno