基于PNN的飞机发动机故障诊断研究

《基于PNN的飞机发动机故障诊断研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、基于PNN的飞机发动机故障诊断研究摘要：鉴于概率神经网络良好的分类性能，提出一种基于PNN的飞机发动机故障诊断方法，成功对三种典型飞机发动机转子故障做出了正确诊断。研究表明，PNN网络诊断准确，对测量噪声有良好的鲁棒性，具有较好的工程应用前景。关键词：概率神经网络；飞机发动机；故障诊断ProbabilisticNeuralNetworkBasedAeroengineFaultDiagnosisAbstract:Probabilisticneuralnetworkisgoodatclassifying,weproposedanewmethodforaeroengine

2、faultdiagnosisbasedonPNN,anditcandiagnosethreetypicalaeroenginerotorfaultaccurately.ThestudyshowsthatPNNisrobustfornoiserejectionandisabletomeettheapplicationrequirements.Keywords:probabilisticneuralnetwork,aeroengine,faultdiagnosis近年来，研究基于神经网络的发动机故障诊断的新理论和新方法已经成为该领域的热点之一[1，2]。由于传统的BP网

3、络模型具有收敛速度慢，易陷入局部极小点等缺点，考虑到概率神经网络（probabilisticneuralnetwork，PNN）是一种性能良好的分类神经网络，因此本文提出一种基于PNN的飞机发动机故障诊断方法，并成功对三种典型飞机发动机转子故障做出了正确诊断。1概率神经网络1.1网络模型PNN是一种可用于模式分类的人工神经网络，其实质是基于贝叶斯最小风险准则发展而来的一种并行算法，相比BP网络，其主要优点为：(1)训练速度快；(2)在足够训练样本下，总可以保证获得贝叶斯准则下的最优解；(3)只考虑样本空间的概率特性，允许增加训练样本而无需重新进行长时间的训练。PNN

4、的结构如图1所示，共由三层组成。图1概率神经网络结构以上PNN的层次模型是根据贝叶斯分类规则与概率密度函数提出的。在训练网络时，网络直接存储训练样本向量为网络的模式样本向量。在网络工作时，待识别的样本由输入层直接送到模式层各个类别单元中，并与权向量完成点积运算，然后送入径向基层。在径向基层中各单元只与相应类别的模式单元相连，并且按照一定的法则估计各种类型的概率。在决策竞争层中，根据对输入向量的概率估计，按贝叶斯分类规则将输入向量分到具有最大后验概率值的类别中去[3]。1.2分类原理PNN网络进行分类的过程为：输入层接收提供的输入模式向量；径向基层计算该输入向量同样本

5、输入向量之间的距离，并输出一个距离向量；竞争层接受距离向量，计算每个模式出现的概率，通过竞争传递函数为概率最大的元素对应输入1作为一类模式，否则输出0作为其他模式。2基于PNN的故障诊断模型2.1诊断原理在进行故障诊断的过程中，径向基层将模式层中同一模式的输出求和，并乘以代价因子。竞争层则选择上层输出最大者对应的故障模式为诊断结果。当故障样本的数量增加时，模式层的神经元将随之增加。而当故障模式多于两种时，则径向基层神经元将增加。所以，随着故障经验知识的积累，概率神经网络可以不断横向扩展，故障诊断的能力也将不断提高。2.2问题描述飞机发动机包括三类典型的转子故障：转子

6、裂纹，转子碰摩和转子偏心。三类故障状态由六个基于统计特性的最能反映故障本质的无量纲指标特征变量确定，以此构成转子状态的原始特征集。其中，为歪度指标；为峭度指标；为峰值指标；为脉冲指标；为裕度指标；为波形指标。2.3诊断模型进行诊断时，首先要对提取的有关特征参数进行规一化处理，然后利用PNN进行诊断，诊断模型如图2所示：PNN网络诊断输出转子裂纹转子碰摩转子偏心图2基于PNN的飞机发动机故障诊断模型2.4算法流程使用Matlab7中神经网络工具箱进行仿真，算法伪代码如下：Step1，对数据进行规一化处理；Step2，创建概率神经网络，；Step3，检验网络对训练数据的

7、诊断能力，；Step4，检验网络对测试数据的诊断能力，其中，P和T分别为训练样本集中输入向量和目标向量，PTest为测试数据，SPREAD为径向基函数的分布密度，默认为0.1。3仿真诊断结果根据图2，PNN网络的输入层共有6个结点，对应输入的特征向量；模式层有3个结点，对应三种故障模式；输入层有2个结点，对应诊断的三种状态。实验获得某型飞机发动机转子故障样本数据共60组（其中1-21组确定故障状态为转子裂纹、22-39组确定故障状态为转子碰摩、40-60组确定故障状态为转子偏心）。用1、2和3分别表示转子裂纹、转子碰摩和转子偏心三类故障。每组数据取前10个样本用