应用支持向量回归机探索发动机VSV调节规律

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

所属期刊栏目：44

分类号：V263.6;TP206(航空制造工艺)

资助基金：中央高校基本科研业务费专项3122014D010

在线出版日期：2018-08-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1371-1377