共查询到10条相似文献,搜索用时 31 毫秒
1.
基于全航段QAR数据和卷积神经网络的航空发动机状态辨识 总被引:1,自引:1,他引:0
为了充分挖掘全航段飞行数据中蕴含的丰富信息以提高发动机状态辨识的准确率,提出一种基于全航段快速存取记录器(QAR)数据和卷积神经网络的发动机状态辨识方法。该方法将每次飞行循环的全航段QAR数据变换为一个红绿蓝(RGB)多通道样本实现全航段数据图像化处理,根据发动机维修记录中的水洗时间,将发动机划分为不同的衰退状态,采用卷积神经网络对不同衰退状态进行分类和辨识。该方法经某航空公司飞机QAR数据验证,结果表明:基于全航段QAR数据的衰退状态辨识算法的精确度相比于仅使用巡航段数据的精确度提升超过13%,辨识准确率达到98%。 相似文献
2.
基于Boosting-SVM算法的航空发动机故障诊断 总被引:5,自引:2,他引:3
提出了一种利用支持向量机(SVM)作为弱基分类器、Boosting算法进行加权融合的航空发动机故障诊断算法.该算法具有支持向量机的强分类能力,又具有Boosting算法适合不均衡数据集的特点.为验证算法的有效性,采用外场实测的滑油光谱分析数据针对传动系统的轴承、减速齿轮和滑油系统3类故障进行了验证.为去除实测数据之间的冗余、降低特征维数,提高算法执行效率,采用主元分析(PCA)和粗糙集理论(RST)进行故障特征压缩和提取.利用实测数据构造了Boosting支持向量机分类器.最后,实验结果表明Boosting-SVM算法可以显著提高SVM分类器的推广性能.针对实测数据,3种故障平均识别准确率由79.4%提高到了85.7%. 相似文献
3.
4.
5.
以提高航空发动机故障诊断的快速性和准确性为目的,基于人工免疫理论中的克隆选择算法,结合聚类分析方法,提出了基于免疫聚类分析的故障特征提取方法。该方法通过删除对分类无关的特征以及压缩类间相关特征,得到最有利于分类的子特征集,提高了分类器的分类性能。并且该算法具有本质上的并行性、计算效率高和聚类能力强等优点。多类支持向量机的分类实验表明,经过基于免疫聚类分析提取的特征对发动机的故障具有更好的识别能力,为发动机的状态监测与故障诊断提供了依据。 相似文献
6.
浅谈涡扇发动机故障的QAR数据分析 总被引:1,自引:0,他引:1
详细介绍了通过QAR数据对涡扇发动机的重大疑难故障进行分析和排除的一般性方法,并以空客A330飞机的遄达700发动机为例,对一些特殊故障模式进行了简要说明。 相似文献
7.
8.
9.
通过监控航空发动机性能参数,准确判断发动机的工作状态,预知发动机的异常变化.为预防和排除故障提供充足的时间和决策依据。开发出利用QAR(quick access Feeorder.快速存取记录器)数据的发动机故障检测系统,该系统基于民航发动机的QAR数据,由于发动机正常运行数据容易获取.而故障样本难以获得.因而采用单类支持向量机(OCSVM),仅依靠发动机的健康数据建立其分类器。利用OCSVM分类器.监控后续航班参数是否出现异常,通过分析检测结果,实现发动机故障检测。采用该系统监控航空发动机性能参数.及时发现发动机运行状态异常,证明了系统的可行性和有效性。 相似文献
10.
基于综合模糊聚类算法的液体火箭发动机故障诊断 总被引:1,自引:1,他引:0
基于液体火箭发动机正常及故障状况数据的完备程度和数据质量的不断提高,提出一种基于数据驱动的综合模糊聚类算法用于故障诊断。采用模糊c均值(FCM)算法对已知正常样本数据进行聚类得到最优的聚类中心,将所得到的聚类中心作为先验样本数据用于传递闭包法最优分类结果的选择从而得到故障检测结果,该算法只需要少量的正常先验样本数据就能快速、准确的检测出故障;随后采用FCM算法进行故障分类,可以根据现有的故障数据库进行聚类得到对应的故障类型,并且可以给出故障幅值范围。模型仿真结果表明:该算法对故障的检测率可达968%,故障隔离率达到94%。某型液体火箭发动机实际试车数据结果表明:该故障诊断算法能够准确及时的检测并隔离出故障。 相似文献