| 基于决策树的涡轴发动机气路健康评估方法 |
| |
| 引用本文： | 倪波,李秋红,徐嘉伸,刘鑫洋.基于决策树的涡轴发动机气路健康评估方法[J].推进技术,2022,43(5):325-334. |
| |
| 作者姓名： | 倪波 李秋红 徐嘉伸 刘鑫洋 |
| |
| 作者单位： | 南京航空航天大学 能源与动力学院，江苏 南京 210016 |
| |
| 基金项目： | 国家科技重大专项（2017-V-0004-0054) 。 |
| |
| 摘 要： | 为解决涡轴发动机退化模式多、故障样本大、分类困难的问题，将梯度提升决策树（GBDT）算法应用于涡轴发动机气路健康评估。首先对涡轴发动机故障标签进行了拆解，针对每一类标签设计了一个分类器。通过特征重要度排序筛选了6个分类标签的输入特征，有效降低模型复杂度。通过遍历确定树的最优数量和深度，确保了分类的准确性。仿真结果表明，特征筛选减少测试时间16%～35%；相比广泛使用的支持向量机（SVM）算法，在特征数量相同条件下，GBDT测试时间缩短了31.88%～65.28%，相比极限学习机（ELM），误诊样本数量低于其千分之一。可见GBDT算法在涡轴发动机大样本故障评估中表现出更高的分类精度，验证了其在发动机气路健康评估上的有效性。
|
| 关 键 词： | 涡轴发动机 健康评估 梯度提升决策树 特征筛选 分类器 |
| 收稿时间： | 2020/8/13 0:00:00 |
| 修稿时间： | 2020/10/22 0:00:00 |
Gas Path Health Assessment Method of Turboshaft Engine Based on Decision Tree |
| |
| NI Bo,LI Qiu-hong,XU Jia-shen,LIU Xin-yang.Gas Path Health Assessment Method of Turboshaft Engine Based on Decision Tree[J].Journal of Propulsion Technology,2022,43(5):325-334. |
| |
| Authors: | NI Bo LI Qiu-hong XU Jia-shen LIU Xin-yang |
| |
| Abstract: | |
| |
| Keywords: | Turboshaft engine Health assessment Gradient boosting decision tree Feature selection Classifier |
|
| 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 |
