本文選題：無人機發(fā)動機 + 改進(jìn)支持向量機�。� 參考：《科技通報》2016年10期

【摘要】：隨著發(fā)動機工作性能的不斷提高,獲取的數(shù)據(jù)信號種類和數(shù)量也隨之增加,為判斷發(fā)動機故障增加了較大的難度。提出基于改進(jìn)支持向量機數(shù)據(jù)挖掘算法完成對發(fā)動機氣路故障偏差值進(jìn)行挖掘和分析。首先將發(fā)動機工作狀態(tài)實時監(jiān)測系統(tǒng)收集的數(shù)據(jù)信息輸入到支持向量機訓(xùn)練集中,計算發(fā)動機氣路參數(shù)偏差值并輸出;然后將輸出的數(shù)據(jù)作為初始樣本進(jìn)行分析后,判斷此數(shù)據(jù)里包括的發(fā)動機故障信息屬性,以此為基礎(chǔ),采用指數(shù)平滑算法對不屬于異常點的突變數(shù)據(jù)進(jìn)行平滑處理,輸出結(jié)果即為小型多旋翼無人機發(fā)動機氣路故障殘差參數(shù)偏差值,完成氣路故障殘差參數(shù)偏差值的挖掘。實驗證明利用改進(jìn)后的支持向量機數(shù)據(jù)挖掘算法,可以準(zhǔn)確地計算發(fā)動機偏差值數(shù)據(jù),更加精確地反映發(fā)動機的氣路故障,為后期數(shù)據(jù)平滑處理提供了數(shù)據(jù)支持。
[Abstract]:With the continuous improvement of engine performance, the types and the number of acquired data signals are increasing, which makes it more difficult to judge engine faults. An improved support vector machine (SVM) data mining algorithm is proposed to mine and analyze the engine gas fault deviation. Firstly, the data collected by the real time monitoring system of engine working condition are input into the training set of support vector machine, the deviation value of engine gas path parameters is calculated and outputted, and then the output data is analyzed as the initial sample. On the basis of judging the attributes of engine fault information included in the data, the exponential smoothing algorithm is used to smooth the abrupt data which does not belong to the abnormal point. The output result is the deviation value of the gas path fault residual parameter of the small multi-rotor UAV engine, and the mining of the gas path fault residual parameter deviation value is completed. The experimental results show that the improved support vector machine data mining algorithm can accurately calculate the engine deviation data, more accurately reflect the engine gas fault, and provide data support for the later data smoothing processing.
【作者單位】： 鄭州工業(yè)應(yīng)用技術(shù)學(xué)院現(xiàn)代教育技術(shù)中心;
【基金】：河南省高等學(xué)校重點科研項目(No.15B520015)
【分類號】：V263.6;TP311.13

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 唐昌盛;曲建嶺;李富榮;高峰;;基于廣義回歸神經(jīng)網(wǎng)絡(luò)的發(fā)動機氣路故障診斷[J];兵工自動化;2008年07期

2 王旭輝;黃圣國;施鼎豪;舒平;;基于支持向量機的發(fā)動機氣路故障預(yù)診斷[J];交通運輸工程學(xué)報;2008年05期

3 李一波;張光明;蔣麗英;;航空發(fā)動機氣路故障診斷技術(shù)研究現(xiàn)狀[J];燃?xì)廨啓C技術(shù);2009年03期

4 魯峰;黃金泉;孔祥天;;基于變權(quán)重最小二乘法的發(fā)動機氣路故障診斷[J];航空動力學(xué)報;2011年10期

5 李明;;民航發(fā)動機氣路故障診斷技術(shù)探析[J];硅谷;2013年10期

6 郝英,孫健國,白杰;航空燃?xì)鉁u輪發(fā)動機氣路故障診斷現(xiàn)狀與展望[J];航空動力學(xué)報;2003年06期

7 李一波;張光明;蔣麗英;;航空發(fā)動機氣路故障診斷技術(shù)研究現(xiàn)狀[J];航空維修與工程;2009年04期

8 王仲生;雒寶鵬;姜洪開;馮今朝;;可視化監(jiān)測診斷技術(shù)及其應(yīng)用[J];航空制造技術(shù);2007年11期

9 莫翔宇;唐慶如;楊曉強;;基于灰色關(guān)聯(lián)分析的航空發(fā)動機氣路故障診斷方法研究[J];航空維修與工程;2009年05期

10 李長征;雷勇;;航空發(fā)動機氣路故障診斷[J];測控技術(shù);2006年08期

相關(guān)會議論文 前1條

1 曲建嶺;高峰;唐昌盛;李富榮;于建立;;基于概率神經(jīng)網(wǎng)絡(luò)的發(fā)動機氣路故障診斷[A];2008中國儀器儀表與測控技術(shù)進(jìn)展大會論文集（Ⅲ）[C];2008年

相關(guān)博士學(xué)位論文 前1條

1 劉鵬鵬;航空發(fā)動機氣路故障靜電監(jiān)測方法及系統(tǒng)研究[D];南京航空航天大學(xué);2013年

相關(guān)碩士學(xué)位論文 前6條

1 張光明;航空發(fā)動機氣路故障診斷技術(shù)研究[D];沈陽航空工業(yè)學(xué)院;2010年

2 余有鋒;航空發(fā)動機氣路故障模擬試驗臺及靜電監(jiān)測技術(shù)研究[D];南京航空航天大學(xué);2013年

3 彭淑宏;航空發(fā)動機氣路故障診斷技術(shù)研究[D];上海交通大學(xué);2012年

4 陳揚文;支持向量機在航空發(fā)動機氣路故障診斷中的應(yīng)用[D];上海交通大學(xué);2014年

5 張宗杰;信息融合在航空發(fā)動機氣路故障診斷中的應(yīng)用研究[D];沈陽航空工業(yè)學(xué)院;2010年

6 吳立軍;基于分層信息融合技術(shù)的航空發(fā)動機故障診斷方法研究[D];中國民用航空飛行學(xué)院;2009年

，

本文編號：1865221