CAJ | 학술논문

研究复杂发动机的故障检测,提高检测的快速性和准确性.传统故障检测方式必须通过计算发动机不同部位实时的故障系数,并且与正常状态下的发动机系数标准逐个进行对比,从而判断发动机部件是否存在故障,当发动机结构复杂,部件较多的情况下,会造成检测方法计算量加大,检测耗时,结果滞后.为了克服上述问题,提出一种粒子群神经网络的复杂发动机故障检测技术,通过自适应粒子神经网络进行迭代计算,对发动机可能出现故障的部位进行相关参数统计,从而提前进行预判,减少大量由计算带来的滞后性影响.实验证明,改进方法能够大幅减低检测耗时,弥补滞后误差,取得了令人满意的效果.
연구복잡발동궤적고장검측,제고검측적쾌속성화준학성.전통고장검측방식필수통과계산발동궤불동부위실시적고장계수,병차여정상상태하적발동궤계수표준축개진행대비,종이판단발동궤부건시부존재고장,당발동궤결구복잡,부건교다적정황하,회조성검측방법계산량가대,검측모시,결과체후.위료극복상술문제,제출일충입자군신경망락적복잡발동궤고장검측기술,통과자괄응입자신경망락진행질대계산,대발동궤가능출현고장적부위진행상관삼수통계,종이제전진행예판,감소대량유계산대래적체후성영향.실험증명,개진방법능구대폭감저검측모시,미보체후오차,취득료령인만의적효과.