基于猎人-猎物优化特征选择的航空发动机尾喷管控制系统故障诊断

【作者】 陈映雪； 冯冠翔； 缑林峰； 梁光奥； 陈华涛； 韩小宝；

【机构】 西北工业大学；

【摘要】 航空发动机是个复杂的多部件耦合系统,尾喷管是复杂系统中的重要部分。为了更加及时与准确地监测尾喷管运行工况,并对航空发动机尾喷管运行故障做出精确的诊断。针对航空发动机尾喷管控制系统传统故障诊断方法诊断精度低且实时性差的问题,本文提出一种基于数据驱动与元启发式算法优化的故障诊断方法。该方法基于某型航空发动机二元尾喷管的故障数据,通过提取该数据的时域与频域特征,更加全面地体现发动机的正常运行或故障状态。为了进一步提高诊断性能,解决数据样本大、维数高等信息冗余问题,采用优化算法对所提取特征进行优化选择,从25个时域与频域特征中选取了相关性最高的特征,以提高故障诊断准确率,减少分类程序运行时间。最后,基于以上优化算法选择的特征子集,采用机器学习技术之一的支持向量机(SVM)进行故障识别与诊断。分类结果如下:所提出的故障诊断方法对于传统的支持向量机诊断方法而言,在基于原始数据的情况下准确率提高了52.44%,程序运行时间减少了40.37%,在基于提取特征的情况下准确率提高了4.24%,程序运行时间减少了21.39%。上述结果表明,本研究所提出故障诊断方法的性能远远优于传统方法,能够极大提高故障诊断的实时性与准确率。且本文所提出的方法也可以应用于航空发动机其他部位的故障检测,从而为航空发动机运行状况监控提供更加及时与准确的保障。更多还原