10.13700/j.bh.1001-5965.2017.0774
基于多分类AdaBoost的航空发动机故障诊断
对航空发动机运行数据进行数据挖掘的方法,是发动机故障诊断研究领域的重要研究内容.由于各种算法自身的局限性,通过某种单一算法很难大幅度提升故障分类的准确性.运用组合分类的AdaBoost算法,综合多个分类模型进行诊断,是提升故障识别精度的一种较好的方法.通过AdaBoost算法及其改进算法的结合,建立一种多分类的AdaBoost算法,以支持向量机(SVM)为基础分类器,进行综合诊断模型的建立.通过单位向量法、比值系数法和相关系数法将指印图中统计的故障标识数据进行处理,得到不受故障程度影响的训练数据,再进行建模.实验表明,AdaBoost相关结合算法能够显著提升分类器性能.根据实际故障案例,验证了所建立的诊断模型能够较好地用于发动机的故障诊断.
AdaBoost、支持向量机(SVM)、单位向量法、比值系数法、相关系数法、故障诊断
44
V19(航空、航天的应用)
中央高校基本科研业务费专项3122014D010
2018-11-09(万方平台首次上网日期,不代表论文的发表时间)
共8页
1818-1825