航空发动机气路部件故障融合诊断方法研究

• 作者: 李业波 李秋红 赵永平 黄向华
• 来源期刊: 航空学报
• 学科: 航空航天
• 关键词: 航空发动机 极端学习机 部件故障 微分进化 Kalman滤波器 信息融合
• 年，卷（期）: 2014,（6）
• 所属期刊栏目: 固体力学与飞行器总体设计
• 页码范围: 1612-1622
• 页数: 11页
• 分类号: V233.7
• 字数: 6730字
• 语种: 中文
• DOI: 10.7527/S1000-6893.2013.0543

摘要

针对发动机气路部件故障,提出了一种基于模型和基于数据驱动的融合诊断方法.采用极端学习机(ELM)实现基于数据驱动的故障诊断.针对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)算法以训练样本的均方根误差(RMSE)和输出层权值的范数为评价标准对其进行优化,减少了ELM的隐含层节点数,提高了网络的泛化能力.同时,由于传感器数目的不足,采用基于奇异值分解(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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄向华	南京航空航天大学能源与动力学院江苏省航空动力系统重点实验室	84	1395	17.0	35.0
2	李秋红	南京航空航天大学能源与动力学院江苏省航空动力系统重点实验室	43	443	13.0	19.0
3	李业波	南京航空航天大学能源与动力学院江苏省航空动力系统重点实验室	9	132	7.0	9.0
4	赵永平	南京理工大学机械工程学院	10	126	6.0	10.0