[发明专利]一种基于间隔校正支持向量机的航空发动机气路部件故障检测方法

说明书

本发明公开了一种基于间隔校正支持向量机的航空发动机气路部件故障检测方法，首先对航空发动机数据(包括正常工作和故障数据)进行无量纲化处理，修正传统支持向量机中的损失函数，重新定义目标函数，然后通过计算间隔支持向量偏置的平均值，从而达到间隔校正的目的。本发明从航空发动机气路故障检测的实际需求(非平衡数据集)出发，提出利用间隔校正支持向量机对故障数据进行识别，并利用智能优化算法进行参数优化，从而为航空发动机故障检测建立最优间隔的分类模型，大幅度提高了航空发动机气路故障检测在面临“非平衡”问题下的精度和模型泛化能力，为日后故障检测系统提供技术支持。

技术领域

本发明属于数据处理，是一种专门适用于航空发动机气路故障检测的计算方法，具体涉及一种基于间隔校正支持向量机的航空发动机气路部件故障检测方法。

背景技术

航空发动机作为飞机的心脏，其优良的性能是飞行器进行复杂、持久飞行任务的重要保障，也是计划、设计、研发新一代战机的首要条件。航空发动机因其结构和原理极其复杂，因而被誉为工业界内“明珠”。也正是因此，航空发动机及其相关产业成为了一个高投入、高风险、低收入的产业。对绝大多数航空运营企业来说，航空发动机的维修、运营成本往往高居不下，占总运营成本的27％以上，成为了提高企业效益的首要优化因素。近年来，航空发动机的维修和运营也摆脱了传统“预防”为主的维修思想，转为以“可靠性”为中心的管理机制。该机制通过三大方面对航空发动机进行综合管控，主要为日常状态监控、故障检测和寿命预测。其中，故障检测系统能够使用户全面了解航空发动机性能，对有可能或已存在的故障进行快速、准确的判断，从而对故障航空发动机或部件进行隔离和维修，能够更加具有计划性的确定发动机的工作范围和深度。不仅能够避免因故障引起的安全事故，还能控制成本，提高航空发动机相关企业的经济效益。

在航空发动机的所有部件中，气路部件的工作环境最为复杂。根据已获得的研究表明，在所统计的航空发动机故障数据中，气路部件最容易发生故障，占已统计总故障案例的90％以上，用于气路故障的维修费用占50％以上。因此，对气路部件性能的监控和故障检测显得尤为重要。在实际航空发动机气路部件的故障检测中，发动机正常工作数据规模非常大，气路部件故障数据相比较而言很难获得，因此形成了“非平衡数据集”，导致传统支持向量机(Support Vector Machine，简称SVM)算法失效。因此，本发明为了提高“非平衡”情况下航空发动机气路部件故障检测的准确率，提出一种基于间隔校正支持向量机(MarginCalibration Support Vector Machine，简称MCSVM)的气路部件故障检测方法。

发明内容

为了克服传统支持向量机在面对数据不平衡、高维、线性不可分时检测精度不足的缺陷，本发明提供了一种基于间隔校正支持向量机的航空发动机故障检测方法。

为实现上述目的，本发明采用如下技术方案：

一种基于间隔校正支持向量机的航空发动机气路部件故障检测方法，包括以下步骤：

步骤1：将得到的航空发动机气路部件正常工作和故障数据分为训练集和测试集，并将训练集和测试集进行无量纲化处理；

步骤2：根据步骤1所得无量纲化后的训练集建立支持向量机(SVM)模型；

步骤3：对步骤2所得SVM模型进行间隔校正，得到间隔校正支持向量机(MCSVM)模型(包括拉格朗日乘子和偏置)；

步骤4：对步骤3所得MCSVM模型及其所采用的核函数参数进行优化，得到最优参数值；

步骤5：将步骤4所得最优参数值代入MCSVM模型，得到优化后的MCSVM模型(包括拉格朗日乘子和偏置)；

步骤6：将测试集中样本的输入量代入到步骤5所得的优化后的MCSVM模型中，得到相应样本的预测标签；

步骤7：根据步骤6所得样本的预测标签与步骤1所得测试集的标签进行比较得到真正例、假正例和真负例；