改进BA优化的MKSVDD航空发动机工作状态识别

作     者：何大伟 彭靖波 胡金海 宋志平 HE Dawei;PENG Jingbo;HU Jinhai;SONG Zhiping

作者机构：空军工程大学航空工程学院西安710038 西安交通大学西安710054 

出 版 物：《北京航空航天大学学报》 (Journal of Beijing University of Aeronautics and Astronautics)

年 卷 期：2018年第44卷第10期

页      面：2238-2246页

核心收录：

学科分类：082502[工学-航空宇航推进理论与工程] 08[工学] 0825[工学-航空宇航科学与技术] 

基　　金：国家自然科学基金(51506221) 陕西省自然科学基础研究计划(2015JQ5179)~~ 

主　　题：多核支持向量数据描述(MKSVDD) 改进蝙蝠算法 航空发动机 工作状态识别 飞参数据 

摘      要：为了提高航空发动机工作状态识别准确率和效率,避免人工识别中存在的误判和耗时耗力问题,提出了基于混沌脉冲蝙蝠算法(CRBA)优化的多核支持向量数据描述(CRBA-MKSVDD)智能识别方法。研究了多核支持向量数据描述(MKSVDD)改进策略,引入混沌脉冲发射率提高了蝙蝠算法(BA)的收敛速度和收敛精度,得到了CRBA;通过CRBA优化MKSVDD的惩罚因子和核参数,同时对飞参数据进行了特征提取;基于特征飞参数据训练了CRBA-MKSVDD分类器,并对某型发动机一个飞行架次的工作状态进行了识别。结果表明,该方法识别准确率达到97.547 9%,可用于与发动机工作状态的相关研究和应用。