| 基于SFA-LOF-LDD的航空发动机异常检测方法研究 |
| |
| 引用本文： | 李泱,李德文,蔡景,左洪福,张营,韩辰球. 基于SFA-LOF-LDD的航空发动机异常检测方法研究[J]. 机床与液压, 2023, 51(13): 189-197 |
| |
| 作者姓名： | 李泱 李德文 蔡景 左洪福 张营 韩辰球 |
| |
| 作者单位： | 南京林业大学汽车与交通工程学院,江苏南京210037;南京航空航天大学民航学院,江苏南京211106;南京林业大学汽车与交通工程学院,江苏南京210037;南京航空航天大学民航学院,江苏南京211106;杭州海康威视数字技术股份有限公司,浙江杭州310051 |
| |
| 基金项目： | 国家自然科学基金与民航联合基金重点基金（U1933202） |
| |
| 摘 要： | 航空发动机异常检测对于准确了解飞机健康状态、支持维修决策、保障飞行安全具有重要意义。针对航空发动机气路部件的长期退化行为,提出一种基于慢特征分析和局部离群因子的动态阈值异常检测方法。首先,充分利用慢特征分析的优势提取气路参数随时间缓慢退化的有效特征。然后,计算特征空间样本的局部离群因子来构造监控统计量,定量表征发动机的健康状态。考虑固定阈值对气路状态时变特性的适应性差,利用基于局部分布差异的自适应窗口调整策略,设置动态阈值有效降低气路参数微小波动导致的虚假报警。最后,通过航空发动机实际运行数据进行验证,结果表明：所提方法能提前识别异常点,并且有效降低假警的发生。
|
| 关 键 词： | 航空发动机 慢特征分析 局部离群因子 局部分布差异 动态阈值 |
Research on Abnormal Detection Method of Aero Engine Based on SFA-LOF-LDD |
| |
| LI Yang,LI Dewen,CAI Jing,ZUO Hongfu,ZHANG Ying,HAN Chenqiu. Research on Abnormal Detection Method of Aero Engine Based on SFA-LOF-LDD[J]. Machine Tool & Hydraulics, 2023, 51(13): 189-197 |
| |
| Authors: | LI Yang LI Dewen CAI Jing ZUO Hongfu ZHANG Ying HAN Chenqiu |
| |
| Abstract: | |
| |
| Keywords: | Aero-engine Slow feature analysis Local outlier factor Local distribution difference Dynamic threshold |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《机床与液压》浏览原始摘要信息 |
|
点击此处可从《机床与液压》下载全文 |
|
