航空发动机传感器故障与部件故障诊断技术

作     者：李业波 李秋红 黄向华 赵永平 Li Yebo;Li Qiuhong;Huang Xianghua;Zhao Yongping

作者机构：南京航空航天大学能源与动力学院南京210016 南京理工大学机械工程学院南京210094 

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

年 卷 期：2013年第39卷第9期

页      面：1174-1180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] 0802[工学-机械工程] 0825[工学-航空宇航科学与技术] 

基　　金：国家自然科学基金资助项目(51006052) 航空科学基金资助项目(20110652003) 中央高校基本科研业务费专项基金资助项目(NZ2012104) 江苏省2012年度普通高校研究生科研创新计划(CXZZ12_0169) 

主　　题：航空发动机 传感器故障 部件故障 支持向量机 极端学习机 卡尔曼滤 波器 

摘      要：结合局部学习思想与集成学习技术,提出了一种基于支持向量机-极端学习机-卡尔曼滤波器(SVM-ELM-KF,Support Vector Machine-Extreme Learning Machine-Kalman Filter)的航空发动机传感器故障与突发性部件故障诊断的方法.将改进的迭代约简最小二乘支持向量回归机训练技术推广到分类机中,用于区分传感器故障与部件故障,使得该分类机具有一定的稀疏性.对于传感器故障,利用ELM分类机对故障进行定位.对于部件故障,利用改进的卡尔曼滤波器对发动机各部件的健康参数进行估计,从而对部件故障进行定位.仿真结果表明,提出的故障诊断方法能够准确地区分传感器故障和部件故障,实现故障的有效定位,验证了方法的可行性.