文献类型：期刊文章

作　　者：徐启华[1] 师军[2]

机构地区：[1]淮海工学院电子工程系,江苏连云港222005 [2]西北工业大学自动控制系,陕西西安710072

出　　处：《航空动力学报》

基　　金：江苏省高校自然科学研究计划项目(04KJD510018);连云港市科技计划项目(GY200401);淮海工学院自然科学研究计划项目(Z2003018)

年　　份：2005

卷　　号：20

期　　号：2

起止页码：298-302

语　　种：中文

收录情况：AJ、BDHX、BDHX2004、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI(收录号：2005239147342)、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：支持向量机是一种具有完备统计学习理论基础和出色学习性能的新型机器学习方法,它能够较好地克服神经网络容易出现的过学习和泛化能力低等缺陷。提出一种基于支持向量机的航空发动机故障诊断方法,应用该方法成功地对发动机气路部件的几种典型故障进行了正确诊断。在对检验样本施加噪声后,支持向量机构成的故障分类器仍然能够满足发动机故障诊断的要求,表明提出的故障诊断算法具有良好的鲁棒性,可以作为工程应用的基础。

关 键 词：航空、航天推进系统  航空发动机 支持向量机 故障诊断 鲁棒性

分 类 号：V263.6] TP181]