特征信息加权融合的进气道斜板故障诊断

• 作者: 李盘文 王宽 祁晓鹏
• 来源期刊: 中国测试
• 学科: 工学
• 关键词: 特征信息 故障诊断 加权D-S 数据融合 神经网络 支持向量机
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 物理测试
• 页码范围: 43-47,58
• 页数: 6页
• 分类号: TP273
• 语种: 中文
• DOI: 10.11857/j.issn.1674-5124.2020040090

摘要

针对飞机进气道斜板故障定位难度大、故障诊断准确率低的问题,提出一种特征信息加权融合的进气道斜板故障诊断算法.该方法首先对采集信号进行预处理,计算出能够反映故障信息的多个特征指标;然后分别采用BP神经网络、径向基RBF神经网络和SVM向量机3种不同类型的分类模型对特征指标进行分类,实现故障的预诊断;之后采用加权D-S证据理论对预诊断结果进行融合决策,得到诊断结果,提高故障诊断的准确性.最后通过对比试验,表明该方法的故障诊断准确率高达97％以上,同时通过实际试飞数据进一步证明该算法能够对飞机进气道斜板故障进行诊断,具有较高的工程应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王宽		5	4	1.0	2.0
2	李盘文		11	22	3.0	4.0
3	祁晓鹏		9	9	2.0	3.0