基于SVM和广义粗糙度特征的航空发动机振动故障诊断方法

吴娅辉; 李新良; 洪宝林; 张大治

Chinese

您当前的位置：

首页 >

文章列表页 >

基于SVM和广义粗糙度特征的航空发动机振动故障诊断方法

大飞机动力 | 更新时间：2026-07-07

- 基于SVM和广义粗糙度特征的航空发动机振动故障诊断方法
- Research on aeroengine vibration fault diagnosis based on support vector machine and generalized roughness feature
- 航空动力学报 2011年26卷第11期
- 作者机构：
- 作者简介：
- 基金信息：
  
  航空科学基金(20105644004)
- DOI：
  中图分类号：
- 纸质出版：2011
- 稿件说明：
移动端阅览
吴娅辉, 李新良, 洪宝林, 等. 基于SVM和广义粗糙度特征的航空发动机振动故障诊断方法[J]. 航空动力学报, 2011,26(11).

WU Ya-hui, LI Xin-liang, HONG Bao-lin, et al. Research on aeroengine vibration fault diagnosis based on support vector machine and generalized roughness feature[J]. 2011, 26(11).
吴娅辉, 李新良, 洪宝林, 等. 基于SVM和广义粗糙度特征的航空发动机振动故障诊断方法[J]. 航空动力学报, 2011,26(11). DOI：

WU Ya-hui, LI Xin-liang, HONG Bao-lin, et al. Research on aeroengine vibration fault diagnosis based on support vector machine and generalized roughness feature[J]. 2011, 26(11). DOI：

摘要

通过对航空发动机振动信号进行小波分解

依据多尺度空间局部能量分布和粗糙性提取基于子带信号能量加权广义粗糙度特征实现对振动情况的描述.然后将上述特征送入支持向量机(support vector machine

简称SVM)分类器进行训练

根据分类器的输出结果判断航空发动机的工作状态和故障类型.通过对实测航空发动机试车时得到的振动信号的实验分析结果表明

该算法可以有效地识别发动机的振动故障.

Abstract

The signal was decomposed based on wavelet transform and the generalized roughness vector of the signal was formed by making use of the local energy distributions and the roughness of the sub-band signal.Then the desired parameters serve as the fault characteristic vectors to be input to the support vector machine classifier and the work conditions and fault patterns were identified by the output of the classifier.The analysis results from the aeroengine vibration signals show that the fault diagnosis method can classify working conditions and fault patterns effectively.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于云关联度的航空发动机传感器、部件故障识别系统设计

航空燃气涡轮发动机气路故障诊断现状与展望

多重模型自适应滤波的故障诊断与容错

高速数据采集和分析系统研究

用非线性分析法研究转子振动故障特征