基于 GA-LSSVM 的航空发动机气路故障诊断

中国民航大学学报 ›› 2021, Vol. 39 ›› Issue (3): 29-33.

基于 GA-LSSVM 的航空发动机气路故障诊断

田静，胡鹤翔

（中国民航大学航空工程学院，天津 300300）

收稿日期:2020-05-20 修回日期:2020-05-20 接受日期:2020-04-21 出版日期:2021-06-25 发布日期:2021-11-28
作者简介:田静（1972—），女，辽宁兴城人，教授，博士，研究方向为飞机系统。

Fault diagnosis of aero-engine gas path based on GA-LSSVM

TIAN Jing, HU Hexiang

（College of Aeronautical Engineering, CAUC, Tianjin 300300, China）

Received:2020-05-20 Revised:2020-05-20 Accepted:2020-04-21 Online:2021-06-25 Published:2021-11-28

摘要/Abstract

摘要： 针对航空发动机气路故障数据样本少、非线性的问题，将遗传算法（GA，genetic algorithm）优化的最小二乘支持向量机（LSSVM，least square support vector machine）应用于航空发动机气路故障诊断。首先对 LSSVM 算法中的关键参数进行分析，并用 GA 对 LSSVM 中的正则化参数（C）、核参数（g）进行优化；其次采用 GALSSVM 对某型双转子涡喷发动机进行气路故障诊断；最后从诊断精度、抗噪能力和训练耗时 3 方面与 SVM、LSSVM 和 GA-SVM 比较。结果表明：GA-LSSVM 在诊断精度和抗噪强度方面都高于其他 3 种算法，但由于 GA-LSSVM 有寻优过程，故训练时间较长。

关键词: 航空发动机, 气路故障诊断, 最小二乘支持向量机, 遗传算法

Abstract: Aiming at the lack of data sample and nonlinearity of aero-engine gas-path fault, the genetic algorithm (GA) optimized least square support vector machine (LSSVM) is applied to aero-engine gas-path fault diagnosis. Firstly, the key parameters of LSSVM algorithm is analyzed, and the regularization parameter(C) and kernel parameter ( g ) of LSSVM are optimited with GA. Secondly, GA-LSSVM is used to diagnose the gas path fault of a biaxial turbofan engine. Finally, SVM, LSSVM, GA-SVM and GA-LSSVM are compared from three aspects of diagnosis accuracy, anti-noise ability and training time. Results show that GA-LSSVM is superior to the other three algorithms in diagnosis accuracy and anti noise intensity, but its training time is longer due to the optimization process of GA-LSSVM.

Key words: aero-engine, gas path fault diagnosis, least square support vector machine(LSSVM), genetic algorithm (GA)

中图分类号:

V233.7

田静, 胡鹤翔. 基于 GA-LSSVM 的航空发动机气路故障诊断 [J]. 中国民航大学学报, 2021, 39(3): 29-33.

TIAN Jing, HU Hexiang. Fault diagnosis of aero-engine gas path based on GA-LSSVM [J]. Journal of Civil Aviation University of China, 2021, 39(3): 29-33.

参考文献 13

[1]	QIU X J, ZHENG W H, TANG Y T, et al. The test verification designmethod based on rapid prototyping technology of aero-engine[J]. Procedia Engineering, 2015, 99: 981-990.
[2]	LI Y G. Performance-analysis-based gas turbine diagnostics: a review[J]. Proceedings of the Institution of Mechanical Engineer S, Part AJournal of Power and Energy, 2002, 216(5): 363-377.
[3]	王修岩, 李萃芳, 高铭阳, 等. 基于 SVM 和 SNN 的航空发动机气路故障诊断[J]. 航空动力学报, 2014, 29(10): 2493-2498.
[4]	许梦阳, 黄金泉, 鲁峰. 航空发动机气路故障诊断的 SANNWAPF算法[J]. 航空动力学报, 2017, 32(10): 2516-2525.
[5]	李萃芳. 基于神经网络和协同学的航空发动机气路故障诊断研究[D].天津: 中国民航大学, 2014.
[6]	VAPNIK V N. The nature of statistical learning theory[M]. New York:Springer, 1995.
[7]	SUYKENS J A K, VANDEWALLE J. Least squares support vector machine classifiers[J]. Neural Processing Letters, 1999, 9(3): 293-300.
[8]	徐启华, 师军. 基于支持向量机的航空发动机故障诊断[J]. 航空动力学报, 2005, 20(2): 298-302.
[9]	王旭辉, 黄圣国, 舒平. 基于最小二乘支持向量机的航空发动机故障远程诊断[J]. 机械科学与技术, 2007, 26(5): 595-599.
[10]	陈扬文. 支持向量机在航空发动机气路故障诊断中的应用[D]. 上海: 上海交通大学, 2014.
[11]	DU Y B, XIAO L F, CHEN Y S, et al. Aircraft engine gas path fault diagnosis based on hybrid PSO-TWSVM[J]. Transaction of NanjingUniversity of Aeronautics and Astronautics, 2018, 35(2): 334-342.
[12]	HOLLAND J H. Adaptation in natural and artificial systems[M]. 2nd ed.Cambridge: MIT Press, 1992: 1-5.
[13]	杨蔚华．航空发动机建模及故障诊断[D]. 南京: 南京航空航天大学,2000.

[1]	董科强 a, b, 刘敬娜 b. 基于顺序熵的时间序列复杂性分析[J]. 中国民航大学学报, 2026, 44(1): 91-96.
[2]	张莹, 王泽华, 梁帅, 罗睿敏, 王旭. T 型件激光熔覆的数值模拟 [J]. 中国民航大学学报, 2025, 43(4): 29-35.
[3]	何振鹏, 赵福星, 辛佳, 黎柏春, 葛畅, 刘鸿宇, 刘泉. 基于混合现实的航空发动机辅助维修学习系统 [J]. 中国民航大学学报, 2025, 43(4): 43-49.
[4]	谷润平, 张扬宗, 刘家明. 基于传染病模型的飞机客舱旅客布局方案设计 [J]. 中国民航大学学报, 2025, 43(3): 32-37.
[5]	徐东旭, 张戎. 航班延误扰动条件下的离场航班调度方法 [J]. 中国民航大学学报, 2024, 42(6): 39-45.
[6]	黄帅, 高明, 黄敏, 高晨竣, 关雪飞. 航空发动机涡轮盘定寿及可靠性评估方法综述[J]. 中国民航大学学报, 2024, 42(4): 1-16.
[7]	冯兴, 张健, 李汝宁. 基于BIM与GA的机场场道施工进度多目标优化[J]. 中国民航大学学报, 2023, 41(5): 49-56.
[8]	朱卓, 刘琦妍, 张策. 基于遗传算法的自主干扰决策方法[J]. 中国民航大学学报, 2023, 41(4): 58-64.
[9]	曹惠玲, 成宝荣. 基于SelBagging算法的CFM56-7B发动机故障诊断[J]. 中国民航大学学报, 2022, 40(6): 18-23.
[10]	王志国. 航空发动机典型弯管的模态分析[J]. 中国民航大学学报, 2022, 40(6): 24-31.
[11]	李龙海, 姚金程. 基于双层规划模型的停机位冲突优化研究[J]. 中国民航大学学报, 2022, 40(1): 7-12.
[12]	吴晶峰, 陈义成, 王伟 . 航空发动机需求变更模型研究 [J]. 中国民航大学学报, 2021, 39(5): 55-60.
[13]	张兆宁 , 张莹莹 , 冀姗姗. 基于 GA-BP 神经网络的空中交通网络流系统拥堵预测 [J]. 中国民航大学学报, 2021, 39(3): 1-5.
[14]	白杰 , 陈岩康 , 傅文广 , 孙鹏. 吞雨对航空发动机风扇气动性能的影响[J]. 中国民航大学学报, 2021, 39(3): 49-55.
[15]	杨坤, 孙晓楠. 航空发动机压力传感器故障影响仿真分析[J]. 中国民航大学学报, 2020, 38(5): 17-22.