基于决策树的涡轴发动机气路健康评估方法

• 作者: 倪波 李秋红 徐嘉伸 刘鑫洋
• 来源期刊: 推进技术
• 学科: 航空航天
• 关键词: 涡轴发动机 健康评估 梯度提升决策树 特征筛选 分类器
• 年，卷（期）: 2022,（5）
• 所属期刊栏目: 测试 试验 控制|Test, Experiment and Control
• 页码范围: 325-334
• 页数: 10页
• 分类号: V231.1
• 语种: 中文
• DOI: 10.13675/j.cnki.tjjs.200608

摘要

为解决涡轴发动机退化模式多、故障样本大、分类困难的问题,将梯度提升决策树(GB?DT)算法应用于涡轴发动机气路健康评估.首先对涡轴发动机故障标签进行了拆解,针对每一类标签设计了一个分类器.通过特征重要度排序筛选了6个分类标签的输入特征,有效降低模型复杂度.通过遍历确定树的最优数量和深度,确保了分类的准确性.仿真结果表明,特征筛选减少测试时间16％～35％;相比广泛使用的支持向量机(SVM)算法,在特征数量相同条件下,GBDT测试时间缩短了31.88％～65.28％,相比极限学习机(ELM),误诊样本数量低于其千分之一.可见GBDT算法在涡轴发动机大样本故障评估中表现出更高的分类精度,验证了其在发动机气路健康评估上的有效性.