首页|基于APSO-LSSVM的航空发动机轴承故障诊断及寿命预测

基于APSO-LSSVM的航空发动机轴承故障诊断及寿命预测

扫码查看
原文链接
  • 万方数据
  • 维普
航空发动机轴承在高速、高温、高载荷等极端工况下易发生机械故障,为了提前预警,提出了一种基于自适应粒子群优化(Adaptive Particle Swarm Optimization,APSO)算法的最小二乘支持向量机(APSO Least Squares Support Vector Machine,APSO-LSSVM)对滑油系统中轴承磨屑进行在线监测的故障诊断及寿命预测.通过主成分分析法(Principal Components Analysis,PCA)对滑油磨屑信息进行降维处理,构建特征向量,并将特征向量输入APSO-LSSVM模型,对轴承故障状态进行分类并对轴承剩余寿命进行预测.结果表明:使用PCA可以保留数据样本99.9％的信息,同时还能极大地降低数据维度;与遗传算法(Genetic Algorithm,GA)、灰狼优化(Grey Wolf Optimization,GWO)算法、粒子群优化(Particle Swarm Optimization,PSO)算法的支持向量机相比,所提算法因采用了自适应调节粒子移动步幅,在进行轴承状态分类时准确率更高,分类正确率可达95.56％,同时在进行轴承剩余寿命预测时具有较好的准确度和泛化性.
Fault Diagnosis and Life Prediction of Aeroengine Bearings Based on APSO-LSSVM

aeroengine bearingsSVMPSObearing diagnosisPCA

刘海瑞、武宪威、李鹏、钱征华、李锟

展开 >

南京航空航天大学航空航天结构力学及控制全国重点实验室,江苏南京 210016

中国航发四川燃气涡轮研究院,四川绵阳 621703

航空发动机轴承 支持向量机 粒子群算法 轴承诊断 主成分分析

国防科工局财政稳定支持项目基金

GJCZ-0813-20

2024

10.19708/j.ckjs.2023.03.226

测控技术
中国航空工业集团公司北京长城航空测控技术研究所

测控技术

CSTPCD
影响因子：0.5
ISSN：1000-8829
年,卷(期)：2024.43(1)
  • 1
  • 9