航空发动机传感器故障诊断1
需积分: 0 185 浏览量
2022-08-03
22:05:07
上传
评论
收藏 419KB PDF 举报
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