[發明專利]航空發動機轉子剩余壽命的多變量支持向量機預測方法

有效

• 申請號: 201310084402.X
• 申請日: 2013-03-18
• 公開（公告）號: CN103217280A
• 公開（公告）日: 2013-07-24
• 發明（設計）人: 陳雪峰;羅騰蛟;辛偉;何正嘉
• 申請（專利權）人: 西安交通大學
• 主分類號: G01M13/00
• 分類號: G01M13/00
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 汪人和

技術領域

本發明屬于壽命預測領域，具體涉及一種航空發動機轉子剩余壽命的多變量支持向量機預測方法。

背景技術

目前，世界各國和各大航空公司都非常重視航空發動機安全技術的研究。波音和空客的多種型號飛機均配備有完整的狀態監控和故障診斷系統，平均監測參數達15個之多。雖然狀態監控和故障診斷系統在分析航空發動機上已經比較常見，但是因疲勞裂紋和軸承失效導致的空中停車事故卻層出不窮。因此深入研究轉子裂紋的擴展，實現轉子的狀態監測和剩余壽命預測，可以為改進航空發動機的安全性、可靠性奠定堅實的理論基礎。

支持向量機是一種解決小樣本分類與預測問題的機器學習算法。該方法建立在統計學習理論的基礎上，已成功應用于金融、電力等眾多系統的預測中。然而，目前的支持向量機預測都是針對單變量時間序列的預測。所謂的單變量時間序列是指某種現象某一個統計指標在不同時間上的各個數值，按時間先后順序排列而形成的序列。單變量支持向量機單獨提取一個變量進行研究，在預測過程中既不經濟，也不準確，無法滿足壽命預測需要。因此亟需研究一種可在小樣本條件下利用多種信息綜合預測壽命的方法。

多變量預測理論是利用可觀測的多種信息和變量綜合描述事物的發展規律，并預測其未來狀態的理論方法，可以有效解決多種因素影響下的壽命預測問題。研究某種現象或者預測某種變化時，需要同時觀測和記錄多個指標，根據多個變量自身變化規律和變量之間的依存關系綜合預測整個事物的發展，然而傳統的多變量預測方法處理小樣本條件下的預測問題仍然存在一些困難。航空發動機轉子服役工況復雜，其疲勞破壞是受多種因素綜合影響的問題，并且由于試驗周期長、費用昂貴等限制而成為小樣本問題，因此發展針對航空發動機的壽命預測方法非常必要。

發明內容

本發明的目的在于提供一種航空發動機轉子剩余壽命的多變量支持向量機預測方法，充分利用支持向量機適用于小樣本條件下預測和多變量預測綜合考慮多影響因素的優點，構造多變量支持向量機，用于航空發動機轉子的壽命預測問題，算法的運算速度快、預測精度高。

為了實現上述目的，本發明采取的技術方案是：

1）選擇航空發動機已服役時間、載荷譜、轉速和振動信號特征，作為輸入參數；

2）基于多變量預測方法，建立剩余壽命的多變量支持向量機預測模型，然后利用已知的訓練樣本進行訓練并預測，從而在小樣本條件下獲得航空發動機轉子的剩余壽命。

所述步驟1）的具體方法為：

首先，選擇航空發動機已服役時間作為輸入參數；

其次，選擇航空發動機載荷譜中的應力比、彎矩峰值、扭矩峰值以及轉速也作為輸入參數；

最后，采集航空發動機轉子運行過程的振動信號，從振動信號中提取峭度特征，利用位移峰峰值并結合瞬時彎矩和瞬時扭矩計算抗彎剛度和抗扭剛度，將峭度特征、抗彎剛度以及抗扭剛度也作為輸入參數。

所述步驟2）的具體方法為：

定義抗扭剛度和抗彎剛度中任意一個下降到初始值的85%時為疲勞失效時刻，該時刻對應的循環次數為l，l減去某時刻對應的循環次數即得到剩余循環次數，結合轉速即得到剩余壽命；

設L為待預測變量，此處待預測變量為某時刻對應的循環次數；

給定樣本集S