航空发动机性能识别SOFM收缩聚类方法

梁建海; 杜军; 冀捐灶

doi:10.13873/j.1000-97872006.11.023

Chinese

您当前的位置：

首页 >

文章列表页 >

航空发动机性能识别SOFM收缩聚类方法

更新时间：2025-09-11

- 航空发动机性能识别SOFM收缩聚类方法
- Shrinking-clustering method based on SOFM in aeroengine performance recognising
- 传感器与微系统 2006年第11期页码：70-72+76
- 作者机构：
  
  1. 空军工程大学工程学院
  2. 空军工程大学工程学院,陕西,西安,710038
- 作者简介：
- 基金信息：
- DOI：10.13873/j.1000-97872006.11.023
  中图分类号： V231
- 纸质出版：2006
- 稿件说明：
移动端阅览
[1]梁建海,杜军,冀捐灶.航空发动机性能识别SOFM收缩聚类方法[J].传感器与微系统,2006(11):70-72+76.

LIANG Jian-hai, DU Jun, JI Juan-zao. Shrinking-clustering method based on SOFM in aeroengine performance recognising[J]. 2006, (11): 70-72+76.
[1]梁建海,杜军,冀捐灶.航空发动机性能识别SOFM收缩聚类方法[J].传感器与微系统,2006(11):70-72+76. DOI： 10.13873/j.1000-97872006.11.023.

LIANG Jian-hai, DU Jun, JI Juan-zao. Shrinking-clustering method based on SOFM in aeroengine performance recognising[J]. 2006, (11): 70-72+76. DOI： 10.13873/j.1000-97872006.11.023.

摘要

自组织神经网络SOFM可以将多维数据快速地映射到二维平面上

但需要进行人工聚类划分。由于多尺度栅格技术可以对数据实现密度检测

相应的收缩聚类方法采用大小可变的栅格对相连单元进行标识

将点沿着数据的密度梯度进行移动

自动计算最好的簇作为聚类结果。以多维发动机飞行参数为应用对象

数据预处理提取特征后

按隶属度获得特征向量后输入SOFM网络

用收缩聚类算法（SCM）实现对输出的自动聚类检测

完成对发动机状态有效分析。实验结果和专家判读完全一致。

Abstract

The SOFM can map multi-dimensioanl data to 2-dimensional plane

but it needs manual cluster dividing.The shrinking-clustering method（SCM） can test the data density by marking the cells through an grid data adjustable and output the best-fit cluster automatically by moving the point along the density grads.This method has been successfully applied in aeroengine flight data processing.The flight data is imported to the SOFM after the analyziny of data features

and the system analyses the state affectivity of the aeroengine through SCM calculation.

关键词

Keywords

references

航空发动机性能趋势监控定量化的方法研究 [J]. 王英俊,谢寿生. 航空动力学报 . 2003(04)

某型发动机性能衰退的统计分析和预测 [J]. 李珈,陶增元. 航空动力学报 . 1992(02)

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据