第29卷第2期
计算机仿真
2012年2月
文章编号:1006—9348(2012)02—0076—04
航空发动机传感器故障诊断
郑秋红
(浙江万里学院计算机与信息学院,浙江宁波315100)
摘要:研究航空发动机传感器故障诊断问题,由于发动机传感器故障样本有限、小样本、非线性变化特点,传统大样本传统故
障方法故障诊断准确率低。为提高传感器故障诊断准确率,提出一种混沌粒子群算法(CPSO)和最小二乘支持向量机(LSS—
VM)相结合的传感器故障诊断算法(CPSO—LSSVM)。首先将发动机传感器信号输入到LSSVM进行学习,并采用CPSO进
行优化,找到最优LSSVM参数,从而建立传感器故障诊断模型,最后采用已建立模型对传感器故障进行仿真测试。仿真结
果表明,CPSO—LSSVM提高了航空发动机传感器故障诊断的准确率,能准确地对空发动机传感器故障进行诊断,提供民飞
行安全性能保障。
关键词:航空发动机;故障诊断;混沌粒子群算法;最小二乘支持向量机
中图分类号:TP911
文献标识码:B
Fault
Diagnosis
for
Sensors
in
Aeroengine
ZHENG
Qiu—-hong
(Department
of
Computer
Science
and
Information
Technology,Zhejiang
Wanli
University,
Ningbo
Zhejiang 315100,China)
ABSTRACT:Because
aeroengine
sensors
are
working
in
complex
environment,the
fault
samples
of
engine
sensor
are
limited,and
the
fault
diagnosis
based
on
large
samples
is
prone
to
failure.This
paper
presents
a
sensor
fault
diagno—
sis
algorithm(CPSO—LSSVM)based
on
least
squares support
vector
machine(LSSVM)and
chaos
particle
swarm
optimization
algorithm(CPSO).The
engine
sensor
signal
was
input
to
the
LSSVM
for
learning,and
then
the
LSSVM
parameters
were
optimized
by
CPSO,thereby
established
the
sensor
fault
diagnosis
model.Finally,the
established
model
was
test
by
sensor
fault
simulation
experiment.The
simulation
results
show
that
the
proposed
algorithm
can
im—
prove
the
aircraft
en矛ne
sensor
fault
diagnosis
accuracy
and
diagnose
faults
timely
and
accurately.
KEYWORDS:Aeroengine;Fault
diagnosis;CPSO;LSSVM
1
引言
现代航空发动机控制系统日益复杂,传感器数目相应增
多,航空发动机传感器工作在高温、高压、强振动的恶劣环境
下,经常变换工作状态,据统计,传感器故障占航空发动机控
制系统总故障80%以上,航空发动机传感器故障一旦发生故
障,轻则影响控制系统性能,重将产生灾难性后果,因此对航
空发动机传感器故障进行的实时诊断,提前发现传感器故
障,对提高飞行安全性十分重要…。
当前故障诊断方法主要有三大类:物理冗余法、基于线
线模型方法和非线性人工智能方法B’3
o。物理冗余法采用多
个冗余传感器,容易实现,但是系统比较复杂H
o。基于线性
收稿日期:2011—10—04
—76一
模型故障诊断方法假设传感器故障变化是线性的,但是现在
航空发动机传感器故障具有时变性和非线性,因此在实际故
障诊断中,很难获得高精确诊断结果或者偶尔获得到某一时
刻的准确模型,随时间改变,系统参数发生漂移,模型适用性
变得很差,易较高的误诊率和漏诊率¨o。人工智能技术近来
得到了快速发展,具有自适应、自组织和非线性学习能力,出
现基于神经网络、支持向量机等航空发动机传感器故障诊断
算法∞’“。神经网络是一种基于经验风险最小化的机器学习
方法,要求样本大,然而航空发动机传感器故障样本数量有
限,是一种典型小样本学习问题,容易出现过拟合,泛化能力
等缺陷,导致传感器故障诊断精度低¨J。最小二乘支持向量
机(1east
square
support
vector
machines,ISSVM)基于结构风
险最小化原则,专门针对小样本、非线性数据,较好解决类似
神经网络局部极值、过拟合缺陷一J。
为充分利用有限的航空发动机传感器故障历史数据,提
万方数据
评论0
最新资源