中国航空科学基金(2008ZG54024)
- 作品数：6 被引量：17H指数：3
- 相关作者：石宏张维亮李楠李昂张帅更多>>
- 相关机构：沈阳航空航天大学更多>>
- 发文基金：中国航空科学基金中央财政支持地方高校发展专项资金更多>>
- 相关领域：航空宇航科学技术自动化与计算机技术机械工程更多>>
- 基于改进GA算法优化RBF网络的航空发动机叶片损伤图像识别被引量：3
- 2013年
- 通过对航空发动机叶片损伤图像进行识别,可以快速准确地发现叶片损伤状况,有利于对故障进行及时有效的预测。本文对损伤图像进行分割,提取损伤图像特征参数,采用改进GA算法优化RBF网络参数的方法建立航空发动机叶片损伤图像识别模型,对损伤图像特征参数样本进行仿真实验,识别正确率为93.33%,同时与单一RBF网络模型识别结果进行对比分析,结果表明该方法更加优越有效。
- 石宏张维亮田中笑朱宁
- 关键词：图像分割GA算法RBF网络
- 基于交叉验证优化SVR的多变量磨损趋势预测被引量：2
- 2013年
- 对某型航空发动机非等时补油的润滑油光谱检测数据进行分析,建立支持向量机网络对航空发动机润滑油中Fe浓度变化趋势进行预测,同时用交叉验证的方法选择惩罚因子与核函数参数优化支持向量机网络。仿真结果表明,交叉验证(K-CV)优化的支持向量机网络模型能够准确地拟合出Fe浓度的变化趋势,对航空发动机预防性维修提供依据。
- 石宏李楠田中笑张维亮朱宁
- 关键词：航空发动机润滑油支持向量机
- 基于结构最优化RBF神经网络的润滑油金属含量预测被引量：4
- 2012年
- 航空发动机的磨损机制十分复杂且受诸多不确定因素影响,传统预测方法难以对其磨损趋势进行有效预测。提出一种结构最优化RBF(径向基函数)网络预测模型,采用改进的粒子群算法同时优化模型嵌入维数、核函数宽度及训练误差目标值,实现了RBF网络预测模型最优结构的自动获取。将该方法用于某型航空发动机润滑油金属含量预测,并与传统自回归模型对比,结果证明了该方法的有效性及优越性。
- 石宏张帅李昂
- 关键词：航空发动机金属含量神经网络粒子群算法
- 基于组合优化神经网络的航空发动机叶片损伤图像分割被引量：2
- 2014年
- 采用PNN网络和RBF网络相融合的方法对航空发动机叶片损伤图像进行分割,选取损伤图像80个像素点的RGB值和HSV值分别作为PNN网络和RBF网络的输入样本;针对PNN网络和RBF网络的不足,采用GA算法优化PNN网络和RBF网络的输入参数;考虑到叶片损伤图像采集过程中不确定因素对分割结果的影响,采用D-S证据理论将两种网络分割结果进行融合,进而得到最终的叶片损伤图像分割结果;在30组测试样本中正确识别组数为29,识别率高达96.67%,实践表明,该方法有效地克服了凭借单一识别网络和单一信息源进行叶片损伤图像分割的不足,实现了对叶片损伤图像的高效分割。
- 石宏张维亮田中笑李楠李波
- 关键词：RBF神经网络GA算法D-S证据理论图像分割
- 基于D-S证据理论和RBF网络的航空发动机叶片损伤图像识别技术研究被引量：3
- 2013年
- 针对航空发动机叶片损伤图像采集过程中存在的不确定性因素及单一RBF网络或D-S证据理论在叶片损伤图像识别中存在的不足,提出一种基于D-S证据理论和RBF网络相融合的决策级信息融合损伤图像识别算法。首先,用RBF网络对损伤图像进行初步识别;然后,将RBF网络识别输出结果作为D-S证据理论的基本可信度分配;最后,利用D-S联合规则进行合成,得出最终识别结果。通过单一优化RBF网络的图像识别结果和融合识别结果的对比分析,证明了该方法在航空发动机叶片损伤图像识别方面的优越性。
- 石宏张维亮田中笑李楠
- 关键词：D-S证据理论RBF神经网络图像识别
- 基于自适应支持向量机的磨粒识别技术研究被引量：5
- 2012年
- 通过对铁谱磨粒类型进行识别,可有效监测机械装备磨损状态,有利于尽早发现和消除故障隐患。对粒子群优化算法进行改进,采用改进的粒子群算法同时优化支持向量机的惩罚参数和核函数参数,建立了自适应磨粒识别模型。通过对磨粒样本进行仿真实验,识别正确率达到98%,并与BP神经网络方法进行对比,结果表明了该方法的有效性及优越性。
- 石宏张帅李昂
- 关键词：磨粒识别支持向量机粒子群算法
