一种基于孪生支持向量机的航空发动机气路故障诊断方法

摘要

本发明公开了一种基于杂交粒子群优化孪生支持向量机算法的航空发动机气路故障诊断新方法。鉴于气路故障在整个航空发动机故障中最为频发以及该领域对智能诊断方法的强烈需求，而TWSVM具有理论计算速度更快以及更好的应对样本不平衡问题的优点，本专利采用TWSVM算法进行航空发动机气路故障诊断研究。本文引入混合核函数改善核函数的性能从而保证TWSVM算法更好地兼顾较强的泛化能力和良好的学能力。此外使用HPSO优化了TWSVM的相关参数，获得了最优的故障分类模型，实现了高精度的航空发动机气路故障诊断。

主权项

一种基于孪生支持向量机的航空发动机气路故障诊断方法，其特征在于：包括顺序执行的以下步骤：步骤1、使用发动机建模仿真软件GSP建立发动机的部件级仿真模型，然后将不同工况下的各个截面的热力学参数带入事先建立好的影响矩阵方程，从而生成相应工况下的故障诊断影响矩阵；步骤2、建立故障数据集并划分出训练样本和测试样本，通过对故障数据集进行特征提取和特征筛选获得故障判定规则表，将该故障判定规则表中的数据进行归一化处理；步骤3、利用TWSVM对上述故障数据集中的训练样本进行训练，在此过程中，利用超松弛迭代算法求解TWSVM在训练过程中的二次规划问题，同时核函数类型选用混合核函数，并且利用基于杂交粒子群优化方法寻找最优参数从而建立最优分类模型；步骤4、利用建立好的最优分类模型对故障数据集中的测试样本进行分类，并利用交叉验证方法估计测试准确率，得到目标分类模型，后续利用目标分类模型对未知故障进行诊断分类。