首页|基于决策树的涡轴发动机气路健康评估方法

基于决策树的涡轴发动机气路健康评估方法

Gas Path Health Assessment Method of Turboshaft Engine Based on Decision Tree

扫码查看
原文链接
  • NETL
  • NSTL
  • 维普
  • 万方数据
为解决涡轴发动机退化模式多、故障样本大、分类困难的问题,将梯度提升决策树(GB⁃DT)算法应用于涡轴发动机气路健康评估.首先对涡轴发动机故障标签进行了拆解,针对每一类标签设计了一个分类器.通过特征重要度排序筛选了6个分类标签的输入特征,有效降低模型复杂度.通过遍历确定树的最优数量和深度,确保了分类的准确性.仿真结果表明,特征筛选减少测试时间16％～35％;相比广泛使用的支持向量机(SVM)算法,在特征数量相同条件下,GBDT测试时间缩短了31.88％～65.28％,相比极限学习机(ELM),误诊样本数量低于其千分之一.可见GBDT算法在涡轴发动机大样本故障评估中表现出更高的分类精度,验证了其在发动机气路健康评估上的有效性.

倪波、李秋红、徐嘉伸、刘鑫洋

展开 >

南京航空航天大学 能源与动力学院,江苏南京 210016

涡轴发动机 健康评估 梯度提升决策树 特征筛选 分类器

国家科技重大专项

2017-V-0004-0054

2022

10.13675/j.cnki.tjjs.200608

推进技术
航天科工集团公司三十一研究所

推进技术

CSTPCDCSCD北大核心
影响因子：0.631
ISSN：1001-4055
年,卷(期)：2022.43(5)
  • 1
  • 8