| 基于监督流形学习的航空发动机振动故障诊断方法 |
| |
| 引用本文： | 张赟,杨栋,斯彦刚,方旭萌.基于监督流形学习的航空发动机振动故障诊断方法[J].推进技术,2017,38(5):1147-1154. |
| |
| 作者姓名： | 张赟 杨栋 斯彦刚 方旭萌 |
| |
| 作者单位： | 海军航空工程学院 飞行器工程系，山东 烟台 264001,中国人民解放军 92074部队，浙江 宁波 315000,中国人民解放军 92074部队，浙江 宁波 315000,中国人民解放军 92074部队，浙江 宁波 315000 |
| |
| 基金项目： | 国家自然科学基金(51505492)；山东省自然科学基金(ZR2013EEQ001)；“泰山学者”建设工程专项经费资助。 |
| |
| 摘 要： | 航空发动机故障诊断中一个有挑战性的难题就是如何处理具有高维数、非线性化特点的故障数据,传统模式识别方法很难发现这类数据集的真实结构,导致故障诊断准确性不高。针对这一问题,将一种新兴的非线性维数约简技术——流形学习引入航空发动机振动故障诊断,提出基于监督流形学习理论的航空发动机特征提取与识别方法。该方法首先采用最近兴起的监督局部线性嵌入流形学习算法对蕴含在高维振动故障数据中不同故障的流形特征进行学习,映射到低维嵌入空间以实现故障的特征提取,在降维后的流形特征空间中构造分类器实现故障识别。利用航空发动机转子故障数据对方法的有效性进行了验证,结果表明,该方法显著提高了故障诊断性能,克服了传统的模式识别方法PCA和LDA的不足,并且在训练样本数为每类100的条件下,该方法的平均故障诊断正确率比PCA和LDA分别高出2.93%和7.20%。
|
| 关 键 词： | 航空发动机 振动信号 监督流形学习 故障诊断 |
| 收稿时间： | 2016/1/14 0:00:00 |
| 修稿时间： | 2016/4/5 0:00:00 |
Aero-Engine Vibration Fault Diagnosis Based on Supervised Manifold Learning |
| |
| ZHANG Yun,YANG Dong,SI Yan-gang and FANG Xu-meng.Aero-Engine Vibration Fault Diagnosis Based on Supervised Manifold Learning[J].Journal of Propulsion Technology,2017,38(5):1147-1154. |
| |
| Authors: | ZHANG Yun YANG Dong SI Yan-gang and FANG Xu-meng |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《推进技术》浏览原始摘要信息 |
| 点击此处可从《推进技术》下载免费的PDF全文 |
|
