【摘 要】
：
针对传统航空发动机状态预测需要大量经验知识,预测过程单一的缺陷,提出一种基于深度稀疏受限玻尔兹曼机网络(DSRBM)的航空发动机状态预测方法。利用深层神经网络中的DSRBM网
【基金项目】
：
国家自然科学基金项目(编号:41606117,41476089,6161016)资助。
论文部分内容阅读
针对传统航空发动机状态预测需要大量经验知识,预测过程单一的缺陷,提出一种基于深度稀疏受限玻尔兹曼机网络(DSRBM)的航空发动机状态预测方法。利用深层神经网络中的DSRBM网络对高维复杂类型的发动机数据进行特征提取和降维。实验结果证明,DSRBM相较于传统的主成分分析法(PCA),降维数据辨识度高,挖掘了数据之间的隐藏联系。将提出的算法与支持向量机(SVM)算法结合对发动机状态进行预测,与经典算法进行比较,预测准确率达到87%以上,比经典算法提高3%,是对传统航空发动机状态预测方法的一个很好的补充。
其他文献
论文在对舰载机飞行员生理心理指标跟踪的基础上,基于模糊评估理论知识,建立舰载机飞行员心理反应评估系统。该系统利用市场上比较成熟的心理生理传感仪,在飞行员飞行过程中
论文针对具有参数漂移特征的高可靠性产品,采用扩散理论描述产品的参数漂移规律,建立了漂移扩散模型,运用威布尔分布拟合了单个产品寿命分布。在此基础上,提出了综合利用加速
基于模型设计是汽车、航空领域控制系统先进的设计方式,将该设计方式引入调距桨控制系统的设计是一个值得研究的问题。精确的模型是基于模型设计的基础,调距桨传统模型都是采
线上线下混合式教学是21世纪信息技术发展与教育结合的新产物,2010年以来在我国高校得到大力推广,并取得了不少的成果和经验。作者通过实际教学及调研,对我国线上教学的发展