类不平衡条件下的航空发动机故障检测方法研究
发布时间：2021-06-08 15:09
由于航空发动机的故障检测适用于类不平衡学习,本文基于类不平衡学习方案,建立了一类支持向量机及最小二乘支持向量机的算法。此外,为满足航空发动机故障检测方案对鲁棒性、实时性的要求,在提升算法对异常值和噪声的鲁棒性、算法实时性等方面进行了相关研究,其主要内容如下:首先,用类不平衡学习中单分类的思想建立一类支持向量机的算法,针对异常值敏感的问题,在此基础上建立了基于修正的铰链损失函数的一类支持向量机。与铰链损失函数不同,修正的铰链损失函数是有界的,这会减少异常值带来的损失。另外从分配权重的角度看,修正的铰链损失函数提升了算法对异常值的鲁棒性。实验结果表明算法保证了航空发动机故障检测的性能,并提升了鲁棒性。然后,最小二乘支持向量机能有效处理均衡数据集的分类问题,然而,在针对类不平衡学习问题时,算法的性能不佳。针对航空发动机故障检测这种类不平衡问题,提出了给多数类和少数类误差分配不同的正则化参数的方案,构建的类不平衡学习下最小二乘支持向量机提升了航空发动机故障检测的性能。此外,和最小二乘支持向量机相似,类不平衡学习下的最小二乘支持向量机通过求解线性方程组降低了计算复杂度,但失去了稀疏性,这不利于满...
【文章来源】：南京航空航天大学江苏省 211工程院校
【文章页数】：90 页
【学位级别】：硕士
【部分图文】：
1双轴涡轮喷气发动机原理图
南京航空航天大学专业硕士学位论文图 3.2.1(a)给出不同 η 下的 Cl z 和 lsl z ，由图可知调整后的 C-loss 有界、光滑且是非凸损失，然而 C-loss 不具备单调性。由 Cl z 和 lsl z 相似的关系可以相应地调整 HL 如下式 1 exprhinge hingel z l z (3.8)其中 1/ 1 exp ，作用是保证 0 1rhingel 。图 3.2.1(b)给出不同 η 下的 hingel z 和 rhingel z ，从图中可以看出无界的 hingel z 修正为有界的 rhingel z ，同时 rhingel z 是单调的，这点与 C-loss有关键性的区别，而且 η（η>0）控制着 rhingel z 的上界。定理 3.2.1 给出了当 η→0 时， rhingel z就是 hingel z 的证明过程。
（a）HL （b）RHL图 3.3.1 HL 和 RHL 随 z 变化图表 3.3.1 不同 η 下 Hrhinge的上界η 0.2 0.4 0.6 0.8 1 2上界 5.21 3.02 2.22 1.82 1.58 1.16将无界的 HL 函数替换成 RHL 函数后，可得基于 Hrhinge鲁棒的 OCSVM 的优化问题如下 21 2,11 1min ( , ) || ||2Nrhinge iiJ H z N ww w (3.11)3.3.2 基于修正的铰链损失函数的鲁棒 OCSVM由于优化问题(3.11)中的 RHL 函数是非凸优化的，传统的方法不能求得其解，则采用half-quadratic（HQ）优化[99-101]技术求解，将式(3.10)代入式(3.11)，问题等价为 22 2,11max ( , ) || || exp2Nhinge iiJ H z N ww w (3.12)定义凸函数g u u log u u , u 0(3.13)
【参考文献】：
期刊论文
[1]免疫支持向量机用于航空发动机磨损故障诊断[J]. 张建,李艳军,曹愈远,张丽娜. 北京航空航天大学学报. 2017(07)
[2]基于SVM和SNN的航空发动机气路故障诊断[J]. 王修岩,李萃芳,高铭阳,李宗帅. 航空动力学报. 2014(10)
[3]航空发动机气路部件故障融合诊断方法研究[J]. 李业波,李秋红,黄向华,赵永平. 航空学报. 2014(06)
[4]平滑支持向量机的航空发动机性能衰退故障诊断[J]. 王文蔚,史越,尚琦坤,刘峰,侯俊杰. 火力与指挥控制. 2013(07)
[5]基于支持向量机和卡尔曼滤波器的航空发动机故障诊断研究[J]. 俞刚,黄金泉. 航空发动机. 2012(01)
[6]基于灰色关联分析的航空发动机气路部件故障诊断[J]. 周剑波,鲁峰,黄金泉. 推进技术. 2011(01)
[7]基于最小二乘支持向量机的航空发动机故障远程诊断[J]. 王旭辉,黄圣国,舒平. 机械科学与技术. 2007(05)
[8]应用SVM的发动机故障诊断若干问题研究[J]. 徐启华,师军. 航空学报. 2005(06)
[9]神经网络集成在发动机故障诊断中的应用研究[J]. 徐启华,师军. 航空动力学报. 2005(05)
[10]基于支持向量机的民航发动机故障检测研究[J]. 郝英,孙健国,杨国庆,白杰. 航空学报. 2005(04)
博士论文
[1]支持向量回归机及其在智能航空发动机参数估计中的应用[D]. 赵永平.南京航空航天大学 2009
[2]基于卡尔曼滤波的航空发动机故障诊断技术研究[D]. 张鹏.南京航空航天大学 2009
本文编号：3218718
【文章来源】：南京航空航天大学江苏省 211工程院校
【文章页数】：90 页
【学位级别】：硕士
【部分图文】：
1双轴涡轮喷气发动机原理图
南京航空航天大学专业硕士学位论文图 3.2.1(a)给出不同 η 下的 Cl z 和 lsl z ，由图可知调整后的 C-loss 有界、光滑且是非凸损失，然而 C-loss 不具备单调性。由 Cl z 和 lsl z 相似的关系可以相应地调整 HL 如下式 1 exprhinge hingel z l z (3.8)其中 1/ 1 exp ，作用是保证 0 1rhingel 。图 3.2.1(b)给出不同 η 下的 hingel z 和 rhingel z ，从图中可以看出无界的 hingel z 修正为有界的 rhingel z ，同时 rhingel z 是单调的，这点与 C-loss有关键性的区别，而且 η（η>0）控制着 rhingel z 的上界。定理 3.2.1 给出了当 η→0 时， rhingel z就是 hingel z 的证明过程。
（a）HL （b）RHL图 3.3.1 HL 和 RHL 随 z 变化图表 3.3.1 不同 η 下 Hrhinge的上界η 0.2 0.4 0.6 0.8 1 2上界 5.21 3.02 2.22 1.82 1.58 1.16将无界的 HL 函数替换成 RHL 函数后，可得基于 Hrhinge鲁棒的 OCSVM 的优化问题如下 21 2,11 1min ( , ) || ||2Nrhinge iiJ H z N ww w (3.11)3.3.2 基于修正的铰链损失函数的鲁棒 OCSVM由于优化问题(3.11)中的 RHL 函数是非凸优化的，传统的方法不能求得其解，则采用half-quadratic（HQ）优化[99-101]技术求解，将式(3.10)代入式(3.11)，问题等价为 22 2,11max ( , ) || || exp2Nhinge iiJ H z N ww w (3.12)定义凸函数g u u log u u , u 0(3.13)
【参考文献】：
期刊论文
[1]免疫支持向量机用于航空发动机磨损故障诊断[J]. 张建,李艳军,曹愈远,张丽娜. 北京航空航天大学学报. 2017(07)
[2]基于SVM和SNN的航空发动机气路故障诊断[J]. 王修岩,李萃芳,高铭阳,李宗帅. 航空动力学报. 2014(10)
[3]航空发动机气路部件故障融合诊断方法研究[J]. 李业波,李秋红,黄向华,赵永平. 航空学报. 2014(06)
[4]平滑支持向量机的航空发动机性能衰退故障诊断[J]. 王文蔚,史越,尚琦坤,刘峰,侯俊杰. 火力与指挥控制. 2013(07)
[5]基于支持向量机和卡尔曼滤波器的航空发动机故障诊断研究[J]. 俞刚,黄金泉. 航空发动机. 2012(01)
[6]基于灰色关联分析的航空发动机气路部件故障诊断[J]. 周剑波,鲁峰,黄金泉. 推进技术. 2011(01)
[7]基于最小二乘支持向量机的航空发动机故障远程诊断[J]. 王旭辉,黄圣国,舒平. 机械科学与技术. 2007(05)
[8]应用SVM的发动机故障诊断若干问题研究[J]. 徐启华,师军. 航空学报. 2005(06)
[9]神经网络集成在发动机故障诊断中的应用研究[J]. 徐启华,师军. 航空动力学报. 2005(05)
[10]基于支持向量机的民航发动机故障检测研究[J]. 郝英,孙健国,杨国庆,白杰. 航空学报. 2005(04)
博士论文
[1]支持向量回归机及其在智能航空发动机参数估计中的应用[D]. 赵永平.南京航空航天大学 2009
[2]基于卡尔曼滤波的航空发动机故障诊断技术研究[D]. 张鹏.南京航空航天大学 2009
本文编号：3218718
本文链接：https://www.wllwen.com/kejilunwen/hangkongsky/3218718.html
