航空发动机部件性能故障融合诊断方法研究

被引:27
作者
鲁峰 [1 ]
黄金泉 [1 ]
陈煜 [1 ,2 ]
机构
[1] 南京航空航天大学能源与动力学院
[2] 贵州黎阳航空发动机公司
关键词
航空发动机; 融合诊断; 自适应模型; 最小二乘支持向量机(LSSVM); 模糊逻辑; D-S(Dempster-Shafer)证据理论;
D O I
10.13224/j.cnki.jasp.2009.07.041
中图分类号
V233.7 [自动控制系统];
学科分类号
摘要
提出一种对航空发动机部件性能蜕化进行融合诊断的模糊决策融合机制,以改善单独采用基于模型和基于数据的部件性能故障诊断的漏诊与误诊的问题.传感器测量值同时输入到基于自适应模型的和基于数据的诊断模块中,分别利用卡尔曼滤波算法和最小二乘支持向量机(LSSVM)对主要部件故障性能参数估计,再利用模糊逻辑调整决策权重以进行D-S(Dempster-Shafer)证据理论的决策融合诊断.以某型涡扇发动机为对象进行单部件和双部件蜕化仿真研究表明,与单独使用基于模型和基于数据的诊断方法相比,采用决策融合机制有效地提高了部件故障诊断精度.
引用
收藏
页码:1649 / 1653
页数:5
相关论文
共 5 条
[1]   航空发动机故障诊断的机载自适应模型附视频 [J].
黄伟斌 ;
黄金泉 .
航空动力学报, 2008, (03) :580-584
[2]   应用神经网络信息融合诊断航空发动机故障 [J].
赵世荣 ;
黄向华 .
航空动力学报, 2008, (01) :163-168
[3]   基于几何模式识别的发动机传感器故障诊断 [J].
黄向华 ;
丁毅 .
航空学报, 2006, (06) :1018-1022
[4]   基于神经网络和证据融合理论的航空发动机气路故障诊断 [J].
陈恬 ;
孙健国 ;
郝英 .
航空学报, 2006, (06) :1014-1017
[5]   粗糙集与神经网络在航空发动机气路故障诊断中的应用附视频 [J].
陈恬 ;
孙健国 .
航空动力学报, 2006, (01) :207-212