基于支持向量机的航空发动机故障诊断

支持向量机学习方法以结构风险最小化原则取代传统机器学习方法中的经验风险最小化原则,在有限样本的学习中显示出优异的性能。本文将这一新的统计学习方法应用到航空发动机故障诊断的研究中,并通过某型航空发动机故障诊断的实验结果表明了本文方法的有效性。     

基于状态信息的航空发动机运行可靠性评估

航空发动机是飞机的"心脏",其运行可靠性评估对保障飞行安全具有重要意义。受不同运行状况的影响,航空发动机退化程度和失效时间具有较大的离散性。针对单台航空发动机运行可靠性评估难以运用基于大样本统计的传统可靠性方法的问题,提出基于状态信息的航空发动机运行可靠性评估方法。该方法利用核主成分分析建立状态子空间,描述航空发动机状态性能的变化;计算正常状态与当前状态子空间基矢量的主夹角,利用映射函数将主夹角转化为运行可靠度。采用美国国家航空航天局提供的航空发动机全寿命仿真数据和某维修厂现场实测数据对所提出的方法进行验证,结果表明该方法能够合理地评估单台航空发动机的运行可靠性,为小样本条件下航空发动机运行可靠性评估提供有效手段。     

基于油液分析的航空发动机状态监控与故障诊断系统研究

论述了航空发动机状态监控的重要性及其原理．研究开发了基于油液分析的航空发动机状态监控与故障诊断系统，并初步实现了系统的基本功能。     

基于模糊粗糙集和SVM的航空发动机故障诊断

随着航空产业的发展,航空发动机故障诊断逐渐向智能化、精确化方向发展,针对这一趋势结合模糊聚类、粗糙集以及支持向量机理论,提出了一种航空发动机故障诊断方法。首先,运用模糊C-均值聚类算法将连续数据离散化;然后,运用粗糙集的知识发现理论,在保持决策表的决策属性和条件属性之间的依赖关系不发生变化的前提下对决策表进行约简;最后,利用支持向量机适用于小样本数据处理的特性对样本进行学习得到最优超平面决策函数从而进行故障诊断。对航空发动机性能参数实例的验证结果表明,该方法对航空发动机故障具有较强的诊断能力,在不影响诊断率的基础上大大缩短了运算时间。因此,提出的算法具有较好的实用性和准确性。     

基于直读铁谱技术的航空发动机磨损状态监测

利用线阈法分析某型航空发动机润滑油样的直读铁谱数据,提出油液直读铁谱分析诊断标准.诊断实践证明,该标准应用于航空发动机磨损状态监测效果较好.     

基于支持向量机的航空发动机磨损趋势预测

基于支持向量机开发的航空发动机磨损趋势预测技术运用结构风险最小化准则,可通过内积函数将低维空间的非线性问题转化为高维空间的线性问题,在发动机滑油光谱监控中十分有用.阐述了支持向量机的原理和数学模型,建立了适用于航空发动机磨损趋势预测的支持向量机回归模型和自回归模型,并对支持向量的核函数模型参数进行了讨论.对实际发动机的润滑油光谱监控数据趋势预测结果表明,基于支持向量机回归模型的趋势预测技术具有很高的预测精度和很强的实用性,可有效提高通过润滑油光谱监控技术预报航空发动机磨损类故障的预测能力.     

基于支持向量回归机的航空发动机异常检测研究

准确判断发动机的工作状态,预知发动机的性能变化,为预防和排除故障提供充足的时间和决策依据。开发出利用(quick access recorder,QAR)数据的发动机异常检测系统,该系统基于发动机的QAR数据,采用支持向量回归机(support vector regression,SVR)算法,建立监控参数与相关参数的回归模型。利用健康回归模型,监控后续航班参数是否出现异常,从而实现发动机故障检测。采用该系统监控航空发动机低压转子转速N1及高压转子转速N2,及时发现发动机运行异常,证明了系统的可行性和有效性。     

基于IGA和LS-SVM的航空发动机磨粒识别

针对磨粒识别中的LS-SVM分类器性能参数难以选择的问题,提出一种改进的遗传算法(IGA)对其进行优化选择。该算法将轮盘赌选择法与最优保留法相结合,采用一种随世代数增加而不断自动调整的交叉概率和变异概率,既提高了收敛速度,又易得到全局最优解。基于IGA的LS-SVM分类器磨粒识别方法为,利用主成分分析法(PCA)优选磨粒特征参数,并将结果作为样本训练LS-SVM分类器;通过改进遗传算法优化分类器参数,并通过测试样本测试分类器性能。仿真实验结果表明,此分类器的分类精度高,分类速度快。     

某型航空发动机状态监控与故障诊断仪的设计

为了实现对某型航空发动机实施状态监控与故障诊断,设计了一种航空发动机状态监控与故障诊断仪。这里介绍了该状态监控与故障诊断仪的主要功能、硬件组成、软件组成,以及它的监控与诊断原理。     

基于SVDD的分类新方法

为了实现对大规模数据集的分类,提出了一种基于支持向量数据描述（SVDD）的新算法。把两类的支持向量机（SVM）问题转化为软间隔的SVDD问题,然后用核集迭代的方法得到了近似最优解。实验结果表明,提出的算法与传统的SVM方法预测精度相当,但是训练时间和测试时间更短,产生的支持向量数也更少,适用于大规模数据的分类。     

基于改进MVU的非线性动态过程故障检测方法

针对化工过程数据的非线性和动态性分布特征,引入Laplacian特征映射(LE),提出了一种基于改进最大方差展开(MVU)的特征提取算法.在改进算法中,局部以欧式距离、全局以测地线距离为尺度度量数据间差异性,以更好反映数据内在几何性质;此外,借鉴LE算法思路,通过最小化近邻点间距离实现流形结构保持.改进算法兼具全局特性保持和局部流形学习能力,计算效率也有较大提高.将其用于提取非线性动态过程高维数据子流形特征,利用SVDD在特征空间建立故障检测模型,构造统计量并确定其控制限.TE过程仿真及丙烯聚合过程实验研究表明改进方法能有效挖掘过程特征信息、监控过程变化并及时检测故障发生,故障检测率较传统方法有显著提高.     

航空发动机温度参数标校设备的设计及应用

飞参系统记录的发动机参数对于发动机的视情维修具有重要的参考价值,而记录数据的准确性是制约这一应用的主要瓶颈之一。文章设计了一种航空发动机温度参数标校设备,用以校准飞参系统采集的温度参数,最后结合实例介绍了基于支持向量回归理论进行参数校准的方法。     

基于雅可比旋量法的实际工况公差建模

计算了加载时工作零件的变形量,并将其转变为雅可比旋量修正量,通过对雅可比旋量公差模型在实际工况下的扩充与修正,建立了基于雅可比旋量和实际工况的装配体公差数学模型,以此定量计算实际工况对产品工作性能及公差设计的影响。通过将此方法在某齿轮泵装配体的公差设计中的应用说明了该方法的有效性。     

基于快速可拒识-双层支持向量分类器的微钙化点的检测算法

为克服微钙化点检测中假阳性高的缺点，本文构造了一种带拒识能力的双层支持向量模型分类器用于钙化点检测。对于输入模式，首先利用基于最大间隔超平面的支持向量分类器（SVM）进行分类判决；然后对真实的钙化点样本特征空间求取最小包含球形的边界，得到钙化点样本的球形支持向量域表示（SVDD），对于输入模式即可利用钙化点的支持向量域表示进行拒识或接受处理；最后利用SVM与SVDD两个分类器的结果进行综合判决。无论是第一层的求取最优分类超平面，还是第二层的边界优化训练，都根据各个训练数据的类间最近邻距离进行排序操作，选择合适的训练样本子空间进行SVM和SVDD训练。仿真实验结果表明，本文提出的算法在不影响微钙化点检出率的情况下，可以部分解决钙化点检测中假阳性高的问题。     

基于SVDD和相对距离的设备故障程度预测

针对设备故障程度预测问题,提出一种基于支持向量数据描述和核空间相对距离的预测算法。首先通过实验分析法,优化选取了对设备故障程度敏感的频域特征参数及核函数参数;然后分别单独训练设备不同故障程度的数据样本,得到相应的描述设备故障程度的各独立封闭超球体,并引入待测样本点至各超球体中心的相对距离,确定样本所属的故障程度,在此基础上建立设备故障程度预测模型。通过转子振动台所模拟的不平衡故障数据进行实验验证,表明所提出方法能有效预测设备的故障程度。     

支持向量数据描述用于机械设备状态评估研究

本文提出了对机械设备运行状态进行评估的新方法———支持向量数据描述方法。该方法应用在机械故障诊断和状态监测中,仅仅依靠正常运行时的数据信号,而不需要故障数据,就可以监测机器的运行状态。给出了机组运行状态优劣的定量指标,从而为设备管理和预知维修提供科学的决策依据。将该方法应用于某炼油厂关键设备的运行状态评估中,及时、正确地评价出设备状态异常,为成功诊断出螺栓裂纹的早期故障提供帮助。     

P300 Speller中基于AdaBoost SVM的导联筛选研究

P300 Speller是目前少数可以用于临床残疾人功能补偿的脑-机接口系统,P300 Speller的字符识别效率与脑电信号采集的头皮表面电极位置密切相关,过多的电极不但增加了使用者的不适感,且易引入噪声干扰进而影响系统的稳定性。采用并发展了一种基于AdaBoost SVM(adaptive boosting support vector machine)的特征筛选方法,对脑电导联进行优化筛选,通过对6位受试者的实验数据处理及分析,结果表明该方法可以在不显著影响识别效率的基础上降低导联数量76%以上。另外,相较于经典的SVM-RFE特征筛选方法,该方法极大降低了计算复杂度,更适用于训练数据庞大的脑电特征优化问题。     

基于粒子群优化算法的水源微生物自动识别

水源微生物检测在水源生物安全监测等方面具有非常重要的意义,而传统的显微镜观测等方法存在效率低、需要专业人员操作等不足,为此提出了一种水源微生物自动识别方法。采集水样,并制作水源微生物图像集,编写全自动与半自动两种图像分割算法用于提取目标微生物区域,并提取6种图像特征。基于以上特征数据,研究水源微生物识别模型的优化问题：首先,优化部分特征参数;接着,融合所有特征,建立粒子群优化算法的支持向量机（support vector machine optimized by particle swarm optimization, PSO-SVM）微生物识别模型,并与其他识别算法进行比较。结果表明,相比于其他3种算法,PSO-SVM能更有效地识别各种微生物,其平均识别率达到97.08%。