基于DBN-SVM的航空发动机健康状态评估方法

• 作者: 孙同敏
• 来源期刊: 控制工程
• 关键词: 健康评估 深度置信网络 支持向量机 发动机
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 建模与仿真系统
• 页码范围: 1163-1170
• 页数: 8页
• 分类号: TH865
• 语种: 中文
• DOI: 10.14107/j.cnki.kzgc.20200919

摘要

为保障复杂设备和系统安全平稳地运行,需对其健康状态进行准确评估,从而提高复杂设备及系统长期运行的安全性.基于一种深度置信网络(DBN)和最小二乘支持向量机(LSSVM)的健康状态评估方法,通过无监督学习对深度置信网络进行训练,实现对多传感器数据的特征提取,并利用最小二乘支持向量机算法对特征参数指标进行状态划分,实现对设备及系统状态的自动评估.利用美国航空航天局Ames研究中心提供的涡扇发动机退化模拟数据集进行方法验证,结果证明了基于深度置信网络构建的发动机健康指标能够较好地反映系统退化趋势,评估方法能够准确反映系统健康状态.