%A 李业波 李秋红 黄向华 赵永平 %T 基于IDE-ELM与SVD-Kalman的航空发动机部件故障融合诊断技术 %0 Journal Article %D %J 航空学报 %R 10.7527/S1000-6893.2013.0543 %P 0-0 %V %N %U {https://hkxb.buaa.edu.cn/CN/abstract/article_15459.shtml} %8 %X 研究基于模型和基于数据驱动的发动机部件故障诊断融合技术。采用极端学习机(ELM)实现基于数据驱动的故障诊断。针对极端学习机(ELM)随机选择输入层权值和隐含层偏置带来的缺点,采用改进微分进化(IDE)算法对其进行优化,减少了ELM的隐含层节点数,提高了网络的泛化能力。受到传感器数目的限制,采用基于SVD的Kalman(SVD-Kalman)滤波器实现基于模型的部件故障诊断。为了提高航空发动机部件故障诊断的精度,利用改进的迭代约简最小二乘支持向量回归机(IRR-LSSVR)算法对两种算法的估计结果在特征层进行定量融合。仿真结果表明,在发动机稳态状态下,与单独使用基于模型和数据驱动的诊断方法相比,采用特征层融合有效地提高了部件故障诊断的精度和准确率。