论文部分内容阅读
结合局部学习思想与集成学习技术，提出了一种基于支持向量机一极端学习机一卡尔曼滤波器（SVM—ELM．KF，SupportVectorMachine—ExtremeLearningMachine—KalmanFiter）的航空发动机传感器故障与突发性部件故障诊断的方法．将改进的迭代约简最小二乘支持向量回归机训练技术推广到分类机中，用于区分传感器故障与部件故障，使得该分类机具有一定的稀疏性．对于传感器故障，利用ELM分类机对故障进行定位．对于部件故障，利用改进的卡尔曼滤波器对发动机各部件的健康参数进行估计，从