利用航空发动机健康状态的气路参数,建立最小二乘支持向量机(Least Squares Support Vector Machine,简称LS-SVM)回归模型,对航空发动机进行状态监控。根据模型监控低压压气机转速(N1)、压比(EPR)和燃油流量(FF)预测值与真实值的相对误...利用航空发动机健康状态的气路参数,建立最小二乘支持向量机(Least Squares Support Vector Machine,简称LS-SVM)回归模型,对航空发动机进行状态监控。根据模型监控低压压气机转速(N1)、压比(EPR)和燃油流量(FF)预测值与真实值的相对误差率来分析喘振故障,验证LS-SVM模型作为喘振故障诊断方法的可行性。结果表明,利用LS-SVM模型建立的航空发动机喘振故障模型,监控结果 N1、EPR和FF相对误差率分别达到9%、11%和29%,可以作为快速诊断喘振的依据。展开更多