基于决策树的涡轴发动机气路健康评估方法

作     者：倪波 李秋红 徐嘉伸 刘鑫洋 NI Bo;LI Qiu-hong;XU Jia-shen;LIU Xin-yang

作者机构：南京航空航天大学能源与动力学院江苏南京210016 

基　　金：国家科技重大专项(2017-V-0004-0054) 

出 版 物：《推进技术》 (Journal of Propulsion Technology)

年 卷 期：2022年第43卷第5期

页      码：325-334页

摘      要：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(GBDT)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。

主 题 词：涡轴发动机 健康评估 梯度提升决策树 特征筛选 分类器 

学科分类：082502[082502] 08[工学] 0825[工学-环境科学与工程类] 

核心收录：

D　O　I：10.13675/j.cnki.tjjs.200608

馆 藏 号：203111174...