买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京航空航天大学

摘要：本发明提供一种基于类特定重定向极限学习机学习算法的航空发动机故障诊断方法，对正常类样本和故障类样本分别添加不同的正则化参数C+和C‑以保持分类边界位于理想位置，并采用ε‑dragging的思想，使用两种不同的重定向策略对目标矢量进行修改，使不同标签之间的间隔尽可能的大，从而建立分类效果优良的分类器。本发明在类不平衡学习问题中，对正常类和故障类样本引入两个不同的正则化参数改善重定向极限学习机的性能；并使用两种不同的重定向策略，使性能指标G‑mean优秀，提升了算法分类效果，相比于WELM算法和CS‑ELM算法在故障诊断中有着更好的性能。

主权项：1.基于类特定重定向极限学习机学习算法的航空发动机故障诊断方法，其特征在于，包括如下步骤：步骤1：采集全飞行包线内，航空发动机各部件正常状态下的参数，记为正常样本，若干类故障状态下的参数，记为若干类故障样本；步骤2：将样本归一化后，训练类特定重定向极限学习机；步骤3：用训练好的类特定重定向极限学习机对航空发动机各部件进行故障诊断；步骤2中训练类特定重定向极限学习机包括如下步骤：步骤2.1：建立类特定重定向极限学习机的数学模型： 式1和式2中， 其中，β代表输出层权重，C+和C-分别是故障样本和正常样本的正则化参数，N+代表故障样本的样本数目，N-代表正常样本的样本数目，H+和H-分别表示正常样本与故障样本的隐藏层节点输出，T+和T-分别表示正常样本与故障样本的目标矢量，c表示故障样本类别数目；步骤2：式1的求解通过迭代方法求解，其中每次迭代包括两个步骤，第一步，计算当和给定时，修改后的目标矢量写成： 式中，⊙表示矩阵对应的元素间相乘操作；此时，式1可简化为： 当N＞L时，N表示样本数量，L表示隐藏层节点数，最优权重为： 当N＜L时，最优权重为： 式中，I表示单位矩阵；步骤3：计算在给定时，R+定义为N+个正常样本点的回归残差，R-定义为N-个故障样本点的回归残差对于： 将式12和式13代入式9，在忽略常数项后，得到以下优化问题： 求解式14得出E+和E-为： 式中，0代表着矩阵的元素全为0；步骤4：根据得到如下决策函数： 式中，ai和bi分别是第i个隐藏层节点的权重和偏置，xi为输入特征，hx是隐含层节点的激活函数，L代表隐藏层节点数目。

全文数据：

权利要求：

百度查询： 南京航空航天大学 基于类特定重定向极限学习机学习算法的航空发动机故障诊断方法