基于APSO-LSSVM的航空发动机轴承故障诊断及寿命预测

【类型】期刊

【作者】刘海瑞  武宪威  李鹏  钱征华  李锟 

【刊名】测控技术

【关键词】 航空发动机轴承,支持向量机,主成分分析,轴承诊断,粒子群算法

【摘要】航空发动机轴承在高速、高温、高载荷等极端工况下易发生机械故障，为了提前预警，提出了一种基于自适应粒子群优化(Adaptive Particle Swarm Optimization, APSO)算法的最小二乘支持向量机(APSO Least Squares Support Vector Machine, APSO-LSSVM)对滑油系统中轴承磨屑进行在线监测的故障诊断及寿命预测。通过主成分分析法(Principal Components Analysis, PCA)对滑油磨屑信息进行降维处理，构建特征向量，并将特征向量输入APSO-LSSVM模型，对轴承故障状态进行分类并对轴承剩余寿命进行预测。结果表明：使用PCA可以保留数据样本99.9%的信息，同时还能极大地降低数据维度；与遗传算法(Genetic Algorithm, GA)、灰狼优化(Grey Wolf Optimization, GWO)算法、粒子群优化(Particle Swarm Optimization, PSO)算法的支持向量机相比，所提算法因采用了自适应调节粒子移动步幅，在进行轴承状态分类时准确率更高，分类正确率可达95.56%,同时在进行轴承剩余寿命预测时具有较好的准确度和泛化性。

【年份】2024

【作者单位】南京航空航天大学航空航天结构力学及控制全国重点实验室;中国航发四川燃气涡轮研究院;

【期号】01

【页码】70-76