基于AdaBoost算法的发动机故障诊断系统设计

发布时间：2021-03-23 07:31

　　随着电子技术等在航空领域的应用,越来越多的传感器被安装在飞机上,用于监控飞机的运行状态。由于飞机上传感器的增多,飞机运行时会产生大量信息,从海量信息中寻找飞机运行规律与异常信息,从而进行状态监控与故障诊断,显然离不开计算机的帮助。因此,人工智能中的大数据处理、机器学习、数据挖掘已经在相关发动机状态监控与故障诊断软件中使用越来越频繁。人工智能中用来分类数据的常见分类器各有自己的优缺点,由于各种算法自身的局限性,通过某种单一算法很难大幅度提升故障分类的准确性。在不能确定是否能进一步提高分类器的分类性能的情况下,组合多个分类器进行分类,通常能够提高分类的精确度。AdaBoost算法是组合分类算法中的典型算法,拥有坚实的理论基础,以及广泛的应用范围。运用组合分类的AdaBoost算法,综合多个分类模型进行诊断,是提升故障识别精度的一种较好的方法。因此,本文主要研究了如何实现AdaBoost算法应用于航空发动机故障诊断。通过AdaBoost算法及其改进算法的结合,建立一种多分类的AdaBoost算法,以支持向量机为基础分类器,进行综合诊断模型的建立。通过单位向量法、比值系数法和相关系数法三种方法... 

【文章来源】：中国民航大学天津市

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
注释表
第一章 绪论
    1.1 选题背景和意义
    1.2 航空发动机状态监控与故障诊断的发展现状
        1.2.1 航空发动机状态监控与故障诊断的发展历程
        1.2.2 发动机状态监控与故障诊断的国内外研究应用现状
    1.3 发动机状态监控与故障诊断存在的主要问题
    1.4 本文研究内容
第二章 数据预处理
    2.1 数据来源
    2.2 数据预处理方法
    2.3 数据噪声的添加方法
    2.4 本章小结
第三章 AdaBoost算法研究
    3.1 AdaBoost算法
        3.1.1 AdaBoost算法理论
        3.1.2 AdaBoost算法的训练误差与泛化误差分析
        3.1.3 AdaBoost算法的二分类问题与多分类问题
    3.2 AdaBoost算法基础分类器的选择
    3.3 AdaBoost-SVM算法介绍
    3.4 本章小结
第四章 建立发动机多分类故障诊断模型
    4.1 故障诊断模型的设计
    4.2 诊断模型的分析
        4.2.1 诊断模型训练过程的分析
        4.2.2 诊断模型训练结果的分析
    4.3 诊断模型在实例中的应用
        4.3.1 性能数据偏差值的获得
        4.3.2 不同型号发动机的实际案例诊断
    4.4 本章小结
第五章 故障诊断系统设计
    5.1 系统设计思路
        5.1.1 系统需求分析
        5.1.2 系统功能模块
        5.1.3 系统工作流程设计
    5.2 主要功能实现及应用展示
        5.2.1 用户登录
        5.2.2 数据管理
        5.2.3 状态监控
        5.2.4 故障诊断
        5.2.5 趋势分析
        5.2.6 其他功能
    5.3 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
致谢
参考文献
附录
作者简介


【参考文献】：
期刊论文
[1]基于弱分类器调整的多分类Adaboost算法[J]. 杨新武,马壮,袁顺.  电子与信息学报. 2016(02)
[2]AdaBoost算法研究进展与展望[J]. 曹莹,苗启广,刘家辰,高琳.  自动化学报. 2013(06)
[3]AdaBoost及其改进算法综述[J]. 廖红文,周德龙.  计算机系统应用. 2012(05)
[4]不平衡多分类问题的连续AdaBoost算法研究[J]. 付忠良.  计算机研究与发展. 2011(12)
[5]基于Boosting-SVM算法的航空发动机故障诊断[J]. 孙超英,刘鲁,刘传武,尉询楷.  航空动力学报. 2010(11)
[6]航空发动机故障诊断技术研究[J]. 郑波,朱新宇.  航空发动机. 2010(02)
[7]基于动态权重裁剪的快速Adaboost训练算法[J]. 贾慧星,章毓晋.  计算机学报. 2009(02)
[8]一种基于指数损失函数的多类分类AdaBoost算法及其应用[J]. 胡金海,骆广琦,李应红,汪诚,尉询凯.  航空学报. 2008(04)
[9]一种用于不平衡数据分类的改进AdaBoost算法[J]. 郭乔进,李立斌,李宁.  计算机工程与应用. 2008(21)
[10]Diverse AdaBoost-SVM分类方法及其在航空发动机故障诊断中的应用[J]. 胡金海,谢寿生,蔡开龙,何秀然,彭靖波.  航空学报. 2007(05)

硕士论文
[1]基于SVM多分类的PW4000故障诊断研究[D]. 张卓.中国民航大学 2015



本文编号：3095419