29 基于聚类结合动态剪枝二叉树SVM方法的涡轴发动机故障诊断系统研究及.pdfVIP

第二十八届（2012）全国直升机年会论文

基于聚类结合动态剪枝二叉树SVM方法的涡轴发动机故障诊断系统

研究及实现

侯云涛1关瑞杰2赵晓博3

（1、3中航工业哈飞飞机设计研究所航电设计室,2陆航驻哈尔滨地区军事代表室，哈尔滨150066）

摘要：现代航空发动机结构复杂,工作状态恶劣,属于故障多发系统。如何保障发动机健康稳定的工作,

提高飞行安全性,一直是困扰国内外学者和研究人员的问题。本文针对某型涡轴发动机的常见故障，提出

了一种聚类结合动态剪枝二叉树SVM的故障诊断方法，并且基于MatlabR2008a平台，开发了故障诊断系

统。仿真实验结果表明，本文提出的多类分类算法是可行的，并且有效地提高了故障诊断的准确率和速度。

关键词：发动机故障；动态剪枝二叉树SVM;故障诊断；仿真实验

0引言

发动机故障在飞行故障占有相当大的比例，是影响飞行安全的主要因素。直升机工作环境复杂，

大多工作在近海面上空、沙漠地带、南极、山地等潮湿、尘埃多、气流复杂的空域。作为直升机动

力装置的涡轴发动机，有其独特的结构特点：燃气发生器涡轮与动力涡轮是气动关系，燃气发生器

涡轮转速高，体积小，通道窄，布局密。这些都会影响发动机的关键零部件寿命，也使发动机更容

易发生诸如腐蚀、疲劳损伤或某些组合损伤等故障。这些故障发生时，轻则会引起发动机性能恶化，

输出功率不足；重则引起发动机损坏，直接危及飞行安全。

如何早期发现和预防这些故障，是直升机发动机日常维护的主要任务，也是涡轴发动机实现单

体视情维修的关键。

计算机技术的发展，促进了人工智能技术在故障诊断领域中的应用。支持向量机（SVM）是由

Vapnik领导的ATTBell实验室研究小组在1963年提出的一种新的非常有潜力的分类技术，在解决

小样本、非线性及高维模式识别问题中表现出许多特有的优势。本文采用了一种基于聚类结合动态

剪枝二叉树SVM的涡轴发动机故障诊断方法，有效地提高了故障诊断准确率和速度。

1基本原理

1.1支持向量机



d

对样本集x,y,i1,n,，xR,设类别号为y1,1。通过非线性映射

ii

Φ:RmRn，将输入向量映射到高维空间，当数据在高维空间可分时，支持向量机便在高维空



n

R，w

间构造最大间隔分类超平面（如图1所示）：wΦxb可以写成的线性组合：

N





，

wyΦx其中是Lagrange乘数，可由求解下面的二次规划问题得到：

iiji

i1

N1N











maxQ()yyΦxΦx(1)