针对飞机发动机异常状态识别精度差、效率低和易误诊漏诊等问题,提出了一种基于动态主元分析(dynamic principal component analysis,DPCA)和最小二乘支持向量机(least square support vector machine,LSSVM)的飞机发动机润滑系统异常...针对飞机发动机异常状态识别精度差、效率低和易误诊漏诊等问题,提出了一种基于动态主元分析(dynamic principal component analysis,DPCA)和最小二乘支持向量机(least square support vector machine,LSSVM)的飞机发动机润滑系统异常状态识别方法;首先对发动机润滑系统参数进行DPCA处理以及在线检测是否有故障发生,如果有故障发生,再采用LSSVM方法进行异常状态识别;以某型飞机发动机润滑系统为例,对文中所提方法的准确性进行试验验证,由试验结果得出文中方法能有效提高飞机发动机异常状态识别准确率。展开更多
文摘针对飞机发动机异常状态识别精度差、效率低和易误诊漏诊等问题,提出了一种基于动态主元分析(dynamic principal component analysis,DPCA)和最小二乘支持向量机(least square support vector machine,LSSVM)的飞机发动机润滑系统异常状态识别方法;首先对发动机润滑系统参数进行DPCA处理以及在线检测是否有故障发生,如果有故障发生,再采用LSSVM方法进行异常状态识别;以某型飞机发动机润滑系统为例,对文中所提方法的准确性进行试验验证,由试验结果得出文中方法能有效提高飞机发动机异常状态识别准确率。