| 应用SVM的发动机故障诊断若干问题研究 |
| |
| 引用本文： | 徐启华,师军.应用SVM的发动机故障诊断若干问题研究[J].航空学报,2005,26(6):686-690. |
| |
| 作者姓名： | 徐启华 师军 |
| |
| 作者单位： | 1. 淮海工学院 电子工程系, 江苏 连云港 222005;2. 西北工业大学 自动化学院, 陕西 西安 710072 |
| |
| 基金项目： | 江苏省高校自然科学研究计划(04KJD510018),连云港市科技计划(GY200401)资助项目 |
| |
| 摘 要： | 支持向量机能够克服一般神经网络容易出现的过学习和泛化能力低等不足。提出一种基于支持向量机的航空发动机气路部件故障诊断方法,讨论了支持向量机的核函数选择和参数确定问题,并对"块算法"进行了分析。仿真实验表明,设计的正则化参数和核参数合理,故障分类器具有良好的分类准确性和泛化性能,可以对发动机气路部件的典型故障进行正确诊断。
|
| 关 键 词： | 航空发动机 支持向量机 故障诊断 核函数 泛化 |
| 文章编号： | 1000-6893(2005)06-0686-05 |
| 收稿时间： | 2005-03-28 |
| 修稿时间： | 2005年3月28日 |
Some Studies in Aero-engine Fault Diagnosis Using Support Vector Machines |
| |
| XU Qi-hua,SHI Jun.Some Studies in Aero-engine Fault Diagnosis Using Support Vector Machines[J].Acta Aeronautica et Astronautica Sinica,2005,26(6):686-690. |
| |
| Authors: | XU Qi-hua SHI Jun |
| |
| Institution: | 1. Electronic Engineering Department, Huaihai Institute of Technology, Lianyungang 222005, China;2. College of Automatic Control, Northwestern Polytechnical University, Xi'an 710072, China |
| |
| Abstract: | Support vector machines can avoid over-fitting and have better generalization ability as compared with neural networks.In this paper,the support vector machines based fault diagnosis algorithms are developed for aero-engines.The influence of kernel function is discussed and the chunking algorithms are analyzed.The methods are presented to select normalized parameter and kernel parameter.With the proposed algorithms,the support vector machines can give correct fault diagnosis results for the gas path components of an aero-engine.The results show that the fault diagnosis algorithms are also able to meet the application requirements and can keep robust when the measurement inputs are disturbed by noises. |
| |
| Keywords: | aero-engine support vector machines fault diagnosis kernel generalization |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《航空学报》浏览原始摘要信息 |
| 点击此处可从《航空学报》下载免费的PDF全文 |
|
