公开(公告)号：CN107101829B

公开(公告)日：2019-03-29

申请号：CN201710230772.8

申请日：2017-04-11

Applicant: 西北工业大学

Inventor： 王俨剀 ,  廖明夫 ,  邓炜坤 ,  史鲁杰 ,  张占升 ,  张松

IPC: G01M15/00 ,  G01N33/00

Abstract: 一种多技术融合航空发动机故障智能诊断方法，通过数据分析方法对故障数据样本进行识别，匹配出故障库中与待诊样本相似度不低于判断值的故障作为疑似故障。依据典型故障因子决策表，对所有疑似故障进行多轮筛选，得出可能性最大的有限个主要疑似故障。利用模式识别算法，对主要疑似故障进行模式识别，识别时的学习训练样本来自于故障样本数据特征库中的故障数据特征，识别时的识别对象为待识别样本的特征，并对识别结果进行一次或多次动力学特征检验。本发明能够有选择性地确定模式识别的学习对象，缩小学习范围，查全率η从1降为33％。学习时间从90s减少到了19s。通过检验环节，对识别结果进行检验，将干扰信号的虚警概率由33％将为0。

公开(公告)号：CN107101829A

公开(公告)日：2017-08-29

申请号：CN201710230772.8

申请日：2017-04-11

Applicant: 西北工业大学

Inventor： 王俨剀 ,  廖明夫 ,  邓炜坤 ,  史鲁杰 ,  张占升 ,  张松

IPC: G01M15/00 ,  G01N33/00

CPC classification number: G01M15/00 ,  G01N33/0034

Abstract: 一种多技术融合航空发动机故障智能诊断方法，通过数据分析方法对故障数据样本进行识别，匹配出故障库中与待诊样本相似度不低于判断值的故障作为疑似故障。依据典型故障因子决策表，对所有疑似故障进行多轮筛选，得出可能性最大的有限个主要疑似故障。利用模式识别算法，对主要疑似故障进行模式识别，识别时的学习训练样本来自于故障样本数据特征库中的故障数据特征，识别时的识别对象为待识别样本的特征，并对识别结果进行一次或多次动力学特征检验。本发明能够有选择性地确定模式识别的学习对象，缩小学习范围，查全率η从1降为33％。学习时间从90s减少到了19s。通过检验环节，对识别结果进行检验，将干扰信号的虚警概率由33％将为0。