文献类型：期刊文章

作　　者：皮骏[1] 马圣[2] 贺嘉诚[2] 孔庆国[1] 马龙[1]

PI Jun;MA Sheng;HE Jiacheng;KONG Qingguo;MA Long(Sino-European Institute of Aviation Engineering,Civil Aviation University of China,Tianjin 300300,China;School of Aeronautical Engineering,Civil Aviation University of China,Tianjin 300300,China)

机构地区：[1]中国民航大学中欧航空工程师学院,天津300300 [2]中国民航大学航空工程学院,天津300300

出　　处：《润滑与密封》

基　　金：国家自然科学基金委员会与中国民用航空局联合资助项目(U1633101)

年　　份：2018

卷　　号：43

期　　号：10

起止页码：89-97

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD2017_2018、IC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：研究遗传算法(GA)优化的支持向量机(SVM)在航空发动机磨损故障诊断中的运用。介绍基于GA优化SVM算法的实现过程,对算法中关键参数进行分析,并用改进的GA对SVM中的惩罚参数和核参数进行优化。采用GA优化的SVM对某型号航空发动机的油液磨粒数据进行诊断,并从诊断精度、计算时间、抗噪能力三方面比较GA优化的SVM、BP神经网络和RBF神经网络的诊断精度。结果表明:GA优化的SVM能够有效地诊断航空发动机磨损故障; GA优化的SVM的诊断精度明显高于RBF和BP神经网络,且在有噪声的情况下,其诊断准确度依旧高于RBF和BP神经网络,但由于GA-SVM的结构和训练方法其训练时间较长。

关 键 词：航空发动机 磨损故障诊断  支持向量机 遗传算法

分 类 号：TH117] V231.1]