多核学习SVM在发动机故障诊断上的应用.pdfVIP

多核学习SVM在发动机故障诊断上的应用--第1页

多核学习SVM在发动机故障诊断上的应用

曹惠玲;薛成;薛鹏

【摘要】为了从小样本的发动机性能参数故障数据中提取故障信息,准确而快速的

识别故障数据,支持向量机具备的诸多优点使其逐步的应用到发动机的故障诊断中.

目前,已有不少利用支持向量机进行发动机故障诊断的研究,但对核函数的选用大多

使用单一核函数对数据进行训练,在没有先验的情况下,往往不容易选择出最优的核

函数.通过对核函数的研究,提出将基于多核学习构建的组合核函数作为支持向量机

新的映射函数,通过故障实例演示了多核学习SVM在发动机故障诊断上的应用,说

明了组合核函数的构建方法和相比于单一核函数的优越性.

【期刊名称】《机械设计与制造》

【年(卷),期】2019(000)005

【总页数】5页(P1-4,9)

【关键词】故障诊断;支持向量机;核函数;多核学习;组合核函数

【作者】曹惠玲;薛成;薛鹏

【作者单位】中国民航大学航空工程学院,天津300300;中国民航大学航空工程学

院,天津300300;中国民航大学航空工程学院,天津300300

【正文语种】中文

【中图分类】TH16;V219

1引言

多核学习SVM在发动机故障诊断上的应用--第1页

多核学习SVM在发动机故障诊断上的应用--第2页

故障诊断一直是航空发动机应用领域的研究热点，也是航空发动机维护中的难点。

航空发动机作为飞机的动力源，结构复杂，零件众多，在不同的工作环境下为飞机

的各个系统提供动力，产生故障在所难免。一旦发生故障会直接影响发动机的性能，

严重的会导致飞机停飞，从而影响民航运营的安全性和经济性。快速而准确的定位

故障原因可以大大提高排故效率，减少航空公司的损失。因此，对航空发动机高效

可靠故障诊断方法的研究具有很大的现实意义。目前，世界各大航空发动机厂家都

有自己的排故系统，所用方法也各不相同，但均对外必威体育官网网址，用户需购买其服务才能

获得诊断结果。所以，根据故障数据自主进行故障诊断方面的研究迫在眉睫。

一般来说，对故障诊断方法的研究主要分为两种，一种是从理论上对故障产生的机

理做分析，通过各个性能参数之间的关系推导出故障方程。另一种研究方法从统计

学和机器学习的角度入手，是基于计算机大量数据学习的一种排故方法，使用计算

机通过多种算法对正常数据或故障数据进行学习，得出性能参数之间内在的联系，

然后建立预测模型用于航空发动机的故障诊断，这种方法目前的问题是如何解决常

态数据充足而故障数据罕有产生的数据分布不平衡，和小样本学习带来的过拟合现

象。近年来，支持向量机是后一种方法中研究的热点，它利用核函数巧妙的解决了

高维空间中的计算问题，其优化目标在于结构风险最小化而不是经验风险最小化，

这让支持向量机不仅在小样本和非线性分类上有许多独特的优势，还具有优秀的泛

化能力。

自支持向量机问世以来，国内外学者不断对它进行改进，在最原始的支持向量机模

型基础上衍生出很多的优化算法。文献[1]提出了一种梯度下降算法用于优化核参

数。文献[2]通过改进了邻近核改进核函数，但不能较好地估计错误率。文献[3]基

于局部Fisher标准提出了一种核优化方法，增大了类的局部边界，从而增大了类

的可分能力。文献[4]基于黎曼几何信息构造出新的核函数，使支持向量附近的体

积元增大，其他区域体积元减小，从而增大支持向量机的分类能力。文献[5]对

多核学习SVM在发动机故障诊断上的应用--第2页

多核学习SVM在发动机故障诊断上的应用--第3页

Sigmoid核函数做了深入研究，并对其进行了参数寻优，找到适合使用Sigmoid

核函数的数据类型并进行了分析。文献[6]对核函数进行了多种组合，