基于SVM和SNN的航空发动机气路故障诊断

作     者：王修岩 李萃芳 高铭阳 李宗帅 WANG Xiu-yan;LI Cui-fang;GAO Ming-yang;LI Zong-shuai

作者机构：中国民航大学航空自动化学院天津300300 北京航空航天大学仪器科学与光电工程学院北京100191 

出 版 物：《航空动力学报》 (Journal of Aerospace Power)

年 卷 期：2014年第29卷第10期

页      面：2493-2498页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 082502[工学-航空宇航推进理论与工程] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0825[工学-航空宇航科学与技术] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：中央高校基本科研业务费中国民航大学专项(ZXH2010C002) 

主　　题：航空发动机 故障诊断 气路 支持向量机 协同神经网络 

摘      要：为了区分航空发动机气路故障诊断过程中出现的相似故障,提高诊断准确率,提出了一种支持向量机(SVM)和协同神经网络(SNN)相结合的故障诊断方法.首先利用参数优化后的SVM对测量数据进行初步故障诊断分类,对诊断结果进行分析统计,得出难以区分的相似故障类型,并根据SNN对这些相似故障进一步地区分判断,最后根据实际数据对此故障模型进行仿真.结果显示:基于SVM的初步故障诊断准确率达到96%;而经过SNN进一步地相似故障区分后,诊断准确率提升到100%.