文档介绍：第二十八届（2012）全国直升机年会论文
基于聚类结合动态剪枝二叉树SVM方法的涡轴发动机故障诊断系统
研究及实现
侯云涛I关瑞杰2赵晓博彳
（1、3中航工业哈飞飞机设计研究所航电设计室，2陆航驻哈尔滨地区军事代表室，哈尔滨150066）
摘 要：现代航空发动机结构复杂，工作状态恶劣,属于故障多发系统。如何保障发动机健康稳定的工作， 提高飞行安全性，一直是困扰国内外学者和研究人员的问题。本文针对某型涡轴发动机的常见故障，提出 了一种聚类结合动态剪枝二叉树SVM的故障诊断方法，并且基于MatlabR2008a平台，开发了故障诊断系 统。仿真实验结果表明，本文提出的多类分类算法是可行的，并且有效地提高了故障诊断的准确率和速度。
关键词：发动机故障；动态剪枝二叉树SVM;故障诊断；仿真实验
0引言
发动机故障在飞行故障占有相当大的比例，是影响飞行安全的主要因素。直升机工作环境复杂, 大多工作在近海面上空、沙漠地带、南极、山地等潮湿、尘埃多、气流复杂的空域。作为直升机动 力装置的涡轴发动机，有其独特的结构特点：燃气发生器涡轮与动力涡轮是气动关系，燃气发生器 涡轮转速高，体积小，通道窄，布局密。这些都会影响发动机的关键零部件寿命，也使发动机更容 易发生诸如腐蚀、疲劳损伤或某些组合损伤等故障。这些故障发生时，轻则会引起发动机性能恶化, 输出功率不足；重则引起发动机损坏，直接危及飞行安全。
如何早期发现和预防这些故障，是直升机发动机日常维护的主要任务，也是涡轴发动机实现单 体视情维修的关键。
计算机技术的发展，促进了人工智能技术在故障诊断领域中的应用。支持向量机（SVM）是由 Vapnik领导的AT&TBell实验室研究小组在1963年提出的一种新的非常有潜力的分类技术，在解决 小样本、非线性及高维模式识别问题中表现出许多特有的优势。本文采用了一种基于聚类结合动态 剪枝二叉树SVM的涡轴发动机故障诊断方法，有效地提高了故障诊断准确率和速度。
1基本原理
1. 1支持向量机
对样本集（x,j）,心1,…，“，xeRd,设类别号为。通过非线性映射 0 :Rm ^Rn,将输入向量映射到高维空间，当数据在高维空间可分时，支持向量机便在高维空 间IT构造最大间隔分类超平面（如图1所示）：（W4（x））+b, W可以写成①的线性组合：
_N _
w = £ e”①（© ），其中e•是Lagrange乘数，可由求解下面的二次规划问题得到：
Z=1
maxQ（a） = f a：—占養灼忖（①（xj•①（xj） （1）
z=l L Z,J=1
约束条件:
N
(2)
E ex = o，ai〉0
Z = 1
图1最优分类超平面
高维空间的内积总可以在输入空间找到一个满足Mercer K(x”xJ=(O(xj•①(xj),因此并不需要知道非线性映射的具体形式， 内积。即求解：
条件的核函数使得 避免求非线性映射而求
N | N
max O (a)=工 a厂牙工 刀 K (x“ xy
Al 2 i,j=\
) ⑶
约束条件：
N
E ay = 0, «, > 0
Z=1
⑷
常见的核函数有：
多项式核：
K(x,xJ=[(x・xJ+f『
⑸
径向基核：
K(x,xJ = exp(—yx —