北京航空航天大学学报 ›› 2018, Vol. 44 ›› Issue (7): 1371-1377.doi: 10.13700/j.bh.1001-5965.2017.0523

• 论文 • 上一篇    下一篇

应用支持向量回归机探索发动机VSV调节规律

曹惠玲1, 阚玉祥1, 薛鹏2   

  1. 1. 中国民航大学 航空工程学院, 天津 300300;
    2. 中国民航大学 工程技术训练中心, 天津 300300
  • 收稿日期:2017-08-11 出版日期:2018-07-20 发布日期:2018-07-25
  • 通讯作者: 曹惠玲.E-mail:hlcao@cauc.edu.cn E-mail:hlcao@cauc.edu.cn
  • 作者简介:曹惠玲 女,博士,教授,硕士生导师。主要研究方向:航空发动机性能分析与故障诊断;阚玉祥 男,硕士研究生。主要研究方向:航空发动机故障诊断;薛鹏 男,硕士,讲师。主要研究方向:航空发动机故障诊断。
  • 基金资助:
    中央高校基本科研业务费专项资金(3122014D010)

Exploration of engine VSV regulation law using support vector regression

CAO Huiling1, KAN Yuxiang1, XUE Peng2   

  1. 1. College of Aeronautical Engineering, Civil Aviation University of China, Tianjin 300300, China;
    2. Engineering Technology Training Center, Civil Aviation University of China, Tianjin 300300, China
  • Received:2017-08-11 Online:2018-07-20 Published:2018-07-25

摘要: 发动机可调静子叶片(VSV)调节规律极其复杂,通过挖掘快速存取记录装置(QAR)数据对VSV调节规律进行了深入研究。首先,通过PW4077D发动机健康状态的QAR数据,建立基于粒子群优化(PSO)算法的支持向量回归机(SVR)模型,来探索VSV调节规律;然后,利用后续航班数据对PSO-SVR模型进行验证,并将验证结果与传统的PSO-BP神经网络模型进行对比;最后,应用PSO-SVR模型进行发动机故障诊断。研究结果表明:PSO-SVR模型的回归预测精度优于PSO-BP神经网络模型,能够准确反映VSV的调节规律。可将其用于发动机的状态监控和故障诊断,亦可为VSV控制系统设计提供参考。

关键词: 发动机可调静子叶片(VSV), 调节规律, 支持向量回归机(SVR), 粒子群优化(PSO)算法, 快速存取记录装置(QAR)数据, 故障诊断

Abstract: The engine variable stator vane (VSV) regulation law is extremely complex, and through mining quick access recorder (QAR) data, the VSV regulation law is studied. Firstly, the support vector regre-ssion (SVR) model based on particle swarm optimization (PSO) is established through the QAR data of PW4077D engine health condition to explore the regulation law of VSV. Then, the PSO-SVR model is validated by the subsequent flight data, and the verification results are compared with the traditional PSO-BP neural network model. Finally, the PSO-SVR model is applied to engine fault diagnosis. The results show that the regression prediction accuracy of the PSO-SVR model is better than that of the PSO-BP neural network model, and it can accurately reflect the VSV regulation rule. It can be used in the condition monitoring and fault dia-gnosis of engine, and can also provide reference for the design of VSV control system.

Key words: engine variable stator vane (VSV), regulation law, support vector regression (SVR), particle swarm optimization (PSO) algorithm, quick access recorder(QAR) data, fault diagnosis

中图分类号: 


版权所有 © 《北京航空航天大学学报》编辑部
通讯地址:北京市海淀区学院路37号 北京航空航天大学学报编辑部 邮编:100191 E-mail:jbuaa@buaa.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发