The invention discloses an aero engine gas path components fault detection method for interval correction based on support vector machine, the first aircraft engine data (including normal and fault data) are dimensionless, modified the traditional support vector machine in the loss function, re define the objective function, and then through the calculation of the average interval of support vector the bias value, so as to achieve the purpose of calibration interval. The present invention from the actual demand of aero engine gas path fault detection (non balance data set) of proposed correction of support vector machine to identify the fault data using interval, and using intelligent optimization algorithm is used to optimize the classification model so as to establish the optimal interval for aeroengine fault detection, greatly improve the aero engine gas path fault detection in the face of \unbalanced\ problem under the precision and generalization ability, provide technical support for the day after the fault detection system.
【技术实现步骤摘要】
一种基于间隔校正支持向量机的航空发动机气路部件故障检测方法
本专利技术属于数据处理,是一种专门适用于航空发动机气路故障检测的计算方法,具体涉及一种基于间隔校正支持向量机的航空发动机气路部件故障检测方法。
技术介绍
航空发动机作为飞机的心脏,其优良的性能是飞行器进行复杂、持久飞行任务的重要保障,也是计划、设计、研发新一代战机的首要条件。航空发动机因其结构和原理极其复杂,因而被誉为工业界内“明珠”。也正是因此,航空发动机及其相关产业成为了一个高投入、高风险、低收入的产业。对绝大多数航空运营企业来说,航空发动机的维修、运营成本往往高居不下,占总运营成本的27%以上,成为了提高企业效益的首要优化因素。近年来,航空发动机的维修和运营也摆脱了传统“预防”为主的维修思想,转为以“可靠性”为中心的管理机制。该机制通过三大方面对航空发动机进行综合管控,主要为日常状态监控、故障检测和寿命预测。其中,故障检测系统能够使用户全面了解航空发动机性能,对有可能或已存在的故障进行快速、准确的判断,从而对故障航空发动机或部件进行隔离和维修,能够更加具有计划性的确定发动机的工作范围和深度。不仅能够避免因故障引起的安全事故,还能控制成本,提高航空发动机相关企业的经济效益。在航空发动机的所有部件中,气路部件的工作环境最为复杂。根据已获得的研究表明,在所统计的航空发动机故障数据中,气路部件最容易发生故障,占已统计总故障案例的90%以上,用于气路故障的维修费用占50%以上。因此,对气路部件性能的监控和故障检测显得尤为重要。在实际航空发动机气路部件的故障检测中,发动机正常工作数据规模非常大,气路部件 ...
【技术保护点】
一种基于间隔校正支持向量机的航空发动机气路部件故障检测方法,包括以下步骤:步骤1:将得到的航空发动机气路部件正常工作和故障数据分为训练集和测试集,并将训练集和测试集进行无量纲化处理;步骤2:根据步骤1所得无量纲化后的训练集建立支持向量机(SVM)模型;步骤3:对步骤2所得SVM模型的损失函数进行间隔校正,得到间隔校正支持向量机(MCSVM)模型;步骤4:对步骤3所得MCSVM模型及其所采用的核函数进行参数优化,得到最优参数值;步骤5:将步骤4所得最优参数值代入MCSVM模型,得到优化后的MCSVM模型;步骤6:将测试集中样本的输入量代入到步骤5所得的优化后的MCSVM模型中,得到相应样本的预测标签;步骤7:根据步骤6所得样本的预测标签与步骤1所得测试集的标签进行比较得到真正例、假正例和真负例;步骤8:根据步骤7所得真正例数目、假正例数目和真负例数目计算评估MCSVM性能的指标。
【技术特征摘要】
1.一种基于间隔校正支持向量机的航空发动机气路部件故障检测方法,包括以下步骤:步骤1:将得到的航空发动机气路部件正常工作和故障数据分为训练集和测试集,并将训练集和测试集进行无量纲化处理;步骤2:根据步骤1所得无量纲化后的训练集建立支持向量机(SVM)模型;步骤3:对步骤2所得SVM模型的损失函数进行间隔校正,得到间隔校正支持向量机(MCSVM)模型;步骤4:对步骤3所得MCSVM模型及其所采用的核函数进行参数优化,得到最优参数值;步骤5:将步骤4所得最优参数值代入MCSVM模型,得到优化后的MCSVM模型;步骤6:将测试集中样本的输入量代入到步骤5所得的优化后的MCSVM模型中,得到相应样本的预测标签;步骤7:根据步骤6所得样本的预测标签与步骤1所得测试集的标签进行比较得到真正例、假正例和真负例;步骤8:根据步骤7所得真正例数目、假正例数目和真负例数目计算评估MCSVM性能的指标。2.根据权利要求1所述的一种基于间隔校正支持向量机的航空发动机气路部件故障检测方法,其特征在于,步骤3中所述MCSVM模型表示为:约束条件为:当i∈I+当i∈I-其中,w代表权值向量,x为样本空间,l为单位列向量,e为预测误差,yi∈{1,-1}为样本标签,b为偏置,a+、a-、c+和c-为待优化参数,I+是正例样本,I-是负例样本。3.根据权利要求2所述的一种基于间隔校正支持向量机的航空发动机...
【专利技术属性】
技术研发人员:赵永平,张津睿,李秋红,宋房全,
申请(专利权)人:南京航空航天大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。