【摘要】：隨著航空產(chǎn)業(yè)的發(fā)展,航空發(fā)動(dòng)機(jī)故障診斷逐漸向智能化、精確化方向發(fā)展,針對(duì)這一趨勢(shì)結(jié)合模糊聚類、粗糙集以及支持向量機(jī)理論,提出了一種航空發(fā)動(dòng)機(jī)故障診斷方法。首先,運(yùn)用模糊C-均值聚類算法將連續(xù)數(shù)據(jù)離散化;然后,運(yùn)用粗糙集的知識(shí)發(fā)現(xiàn)理論,在保持決策表的決策屬性和條件屬性之間的依賴關(guān)系不發(fā)生變化的前提下對(duì)決策表進(jìn)行約簡(jiǎn);最后,利用支持向量機(jī)適用于小樣本數(shù)據(jù)處理的特性對(duì)樣本進(jìn)行學(xué)習(xí)得到最優(yōu)超平面決策函數(shù)從而進(jìn)行故障診斷。對(duì)航空發(fā)動(dòng)機(jī)性能參數(shù)實(shí)例的驗(yàn)證結(jié)果表明,該方法對(duì)航空發(fā)動(dòng)機(jī)故障具有較強(qiáng)的診斷能力,在不影響診斷率的基礎(chǔ)上大大縮短了運(yùn)算時(shí)間。因此,提出的算法具有較好的實(shí)用性和準(zhǔn)確性。
[Abstract]:With the development of the aviation industry, the fault diagnosis of the aero-engine is gradually developing in the direction of intelligence and systematization, and the fault diagnosis method of the aero-engine is put forward in combination with the fuzzy clustering, rough set and support vector machine theory. The method comprises the following steps of: firstly, discretizing continuous data by using a fuzzy C-means clustering algorithm; then, using the knowledge discovery theory of the rough set to reduce the decision table under the premise that the dependency relationship between the decision attribute and the condition attribute of the decision table is not changed; and finally, A support vector machine is used to study the characteristics of small sample data processing to obtain the optimal super-plane decision function for fault diagnosis. The results of the verification of the performance parameters of the aero-engine have shown that the method has a strong diagnostic capability on the fault of the aeroengine, and the operation time is greatly shortened on the basis of not influencing the diagnosis rate. Therefore, the proposed algorithm has good practicability and accuracy.
【作者單位】： 南京航空航天大學(xué)民航學(xué)院;
【基金】：航空科學(xué)基金資助項(xiàng)目(20153352040)
【分類號(hào)】：V263.6;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李·安·泰格梅爾 ,成磊;發(fā)動(dòng)機(jī)故障診斷技術(shù)的拓展應(yīng)用[J];航空維修與工程;2005年01期

2 李華強(qiáng);費(fèi)逸偉;;航空發(fā)動(dòng)機(jī)故障診斷技術(shù)及其發(fā)展[J];航空維修與工程;2007年05期

3 林志強(qiáng);;汽車發(fā)動(dòng)機(jī)故障診斷技術(shù)研究現(xiàn)狀與趨勢(shì)分析[J];黑龍江交通科技;2011年06期

4 楊小勇;陳建文;龔玉霞;;發(fā)動(dòng)機(jī)故障診斷技術(shù)分析研究[J];汽車零部件;2012年06期

5 黃軍;電噴發(fā)動(dòng)機(jī)故障診斷2例[J];汽車技術(shù);2000年03期

6 張遠(yuǎn)程,彭雅娟,陳振清;電噴發(fā)動(dòng)機(jī)故障診斷方法[J];汽車研究與開發(fā);2000年05期

7 楊慧,熊育婷,吳月偉;基于狀態(tài)分類評(píng)價(jià)的發(fā)動(dòng)機(jī)故障診斷決策系統(tǒng)[J];航空維修與工程;2005年01期

8 羅永前;程葆倫;;汽車發(fā)動(dòng)機(jī)故障診斷四例[J];重慶職業(yè)技術(shù)學(xué)院學(xué)報(bào);2006年01期

9 曹紅兵;;尾氣分析在汽車發(fā)動(dòng)機(jī)故障診斷中的應(yīng)用[J];汽車維修與保養(yǎng);2006年10期

10 吳大鈺;王巖松;李燕;湯曉林;;基于聲信號(hào)的汽車發(fā)動(dòng)機(jī)故障診斷方法綜述[J];渤海大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年03期

相關(guān)會(huì)議論文 前3條

1 張鵬;李學(xué)仁;景博;杜軍;張建業(yè);;多源信息融合技術(shù)在航空發(fā)動(dòng)機(jī)故障診斷中的應(yīng)用研究[A];中國航空學(xué)會(huì)控制與應(yīng)用第十二屆學(xué)術(shù)年會(huì)論文集[C];2006年

2 李康;何衛(wèi)鋒;程禮;;基于諧波小波分解的航空發(fā)動(dòng)機(jī)故障診斷[A];設(shè)備監(jiān)測(cè)與診斷技術(shù)及其應(yīng)用——第十二屆全國設(shè)備監(jiān)測(cè)與診斷學(xué)術(shù)會(huì)議論文集[C];2005年

3 馬龍;;基于遞歸神經(jīng)網(wǎng)絡(luò)的航空發(fā)動(dòng)機(jī)故障診斷[A];十三省區(qū)市機(jī)械工程學(xué)會(huì)第五屆科技論壇論文集[C];2009年

相關(guān)重要報(bào)紙文章 前1條

1 熊燕;發(fā)動(dòng)機(jī)故障診斷與維修[N];中國花卉報(bào);2004年

相關(guān)博士學(xué)位論文 前6條

1 李增芳;基于人工智能和虛擬儀器技術(shù)的發(fā)動(dòng)機(jī)故障診斷專家系統(tǒng)研究[D];浙江大學(xué);2004年

2 張曉丹;汽車發(fā)動(dòng)機(jī)故障診斷中不確定性問題的貝葉斯網(wǎng)絡(luò)解法[D];東北大學(xué);2005年

3 郝英;基于智能技術(shù)的民航發(fā)動(dòng)機(jī)故障診斷和壽命預(yù)測(cè)研究[D];南京航空航天大學(xué);2006年

4 劉永建;基于改進(jìn)神經(jīng)網(wǎng)絡(luò)的民機(jī)發(fā)動(dòng)機(jī)故障診斷與性能預(yù)測(cè)研究[D];南京航空航天大學(xué);2012年

5 吳文杰;基于信息融合的航空發(fā)動(dòng)機(jī)故障診斷方法[D];電子科技大學(xué);2011年

6 魯峰;航空發(fā)動(dòng)機(jī)故障診斷的融合技術(shù)研究[D];南京航空航天大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 宣亮;汽車發(fā)動(dòng)機(jī)故障診斷系統(tǒng)的軟件設(shè)計(jì)與實(shí)現(xiàn)[D];中國科學(xué)院大學(xué)(工程管理與信息技術(shù)學(xué)院);2015年

2 那媛;基于氣路性能參數(shù)的航空發(fā)動(dòng)機(jī)故障診斷方法研究[D];哈爾濱工業(yè)大學(xué);2016年

3 黃遠(yuǎn)強(qiáng);基于案例推理和改進(jìn)神經(jīng)網(wǎng)絡(luò)的發(fā)動(dòng)機(jī)故障診斷研究[D];中國民航大學(xué);2016年

4 馬進(jìn)銳;航空發(fā)動(dòng)機(jī)故障診斷與振動(dòng)預(yù)測(cè)技術(shù)研究[D];西北工業(yè)大學(xué);2015年

5 丁哲;基于排氣氣流動(dòng)態(tài)特性的發(fā)動(dòng)機(jī)故障診斷研究[D];桂林電子科技大學(xué);2010年

6 任志英;基于聲信號(hào)技術(shù)的發(fā)動(dòng)機(jī)故障診斷系統(tǒng)研究[D];福州大學(xué);2006年

7 劉召廣;基于數(shù)據(jù)融合的發(fā)動(dòng)機(jī)故障診斷系統(tǒng)研究[D];武漢科技大學(xué);2008年

8 全首杰;實(shí)車發(fā)動(dòng)機(jī)故障診斷系統(tǒng)的研究[D];延邊大學(xué);2010年

9 孫甲男;基于數(shù)據(jù)驅(qū)動(dòng)的發(fā)動(dòng)機(jī)故障診斷研究[D];吉林大學(xué);2013年

10 秦榮;基于振動(dòng)分析的發(fā)動(dòng)機(jī)故障診斷實(shí)用方法研究[D];華南理工大學(xué);2011年

，

本文編號(hào)：2449458