[發明專利]基于類特定重定向極限學習機學習算法的航空發動機故障診斷方法

在審

• 申請號: 202010142315.5
• 申請日: 2020-03-04
• 公開（公告）號: CN111368370A
• 公開（公告）日: 2020-07-03
• 發明（設計）人: 趙永平;宋房全;李兵;吳奐;談建峰
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06F30/15
• 分類號: G06F30/15;G06N20/00
• 代理公司: 南京瑞弘專利商標事務所(普通合伙) 32249
• 代理人: 秦秋星

1.基于類特定重定向極限學習機學習算法的航空發動機故障診斷方法，其特征在于，包括如下步驟：

步驟1：采集全飛行包線內，航空發動機各部件正常狀態下的參數，記為正常樣本，若干類故障狀態下的參數，記為若干類故障樣本；

步驟2：將樣本歸一化后，訓練類特定重定向極限學習機；

步驟3：用訓練好的類特定重定向極限學習機對航空發動機各部件進行故障診斷。

2.根據權利要求1所述的基于類特定重定向極限學習機學習算法的航空發動機故障診斷方法，其特征在于，

步驟2中訓練類特定重定向極限學習機包括如下步驟：

步驟2.1：建立類特定重定向極限學習機的數學模型：

式(1)和式(2)中，

其中，β代表輸出層權重，C⁺和C^-分別是故障樣本和正常樣本的正則化參數，N⁺代表故障樣本的樣本數目，N^-代表正常樣本的樣本數目，H₊和H_-分別表示正常樣本與故障樣本的隱藏層節點輸出，T₊和T_-分別表示正常樣本與故障樣本的目標矢量，c表示故障樣本類別數目；

步驟2：式(1)的求解通過迭代方法求解，其中每次迭代包括兩個步驟，第一步，計算

當和給定時，修改后的目標矢量寫成：

式中，⊙表示矩陣對應的元素間相乘操作；此時，式(1)可簡化為：

當N＞L時，最優權重為：

當N＜L時，最優權重為：

式中，I表示單位矩陣；

步驟3：計算

在給定時，R₊定義為N₊個正常樣本點的回歸殘差，R_-定義為N_{_}個故障樣本點的回歸殘差對于：

將式(12)和式(13)代入式(9)，在忽略常數項后，得到以下優化問題：

求解式(14)得出E₊和E_-為：

式中，0代表著矩陣的元素全為0；

步驟4：根據得到如下決策函數：

式中，a_i和b_i分別是第i個隱藏層節點的權重和偏置，x_i為輸入特征，h(x)是隱含層節點的激活函數，L代表隱藏層節點數目。