基于SVM方法的APU故障预测方法

论文摘要

针对辅助动力装置(Auxiliary power unit,APU)故障预测时,仅基于快速存取记录器(Quick access recorder,QAR)数据存在实时性欠缺或精度不足的问题,提出了基于实时报文数据的APU故障预测方法。首先,对报文所采集的数据进行预处理,将每次航班的报文数据规整为一条数据集;其次,从参数阈值、维修记录及APU序列号变化情况等角度对数据集进行标注工作;随后,针对特征选择算法具有较差解释性的缺点,提出通过相关性分析选取能够表征APU运行性能的参数;最后,建立基于支持向量机(Support vector machine,SVM)的多参数故障预测模型并优化。经验证,该模型提高了预测正确率,为APU视情维修策略的制定提供参考。

论文目录

文章来源

类型: 期刊论文

作者: 蔡坤烨,蔡景,周迪,泽山

关键词: 辅助动力装置,报文系统,数据分析,故障预测,支持向量机

来源: 南京航空航天大学学报 2019年04期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 航空航天科学与工程

单位: 南京航空航天大学民航学院

分类号: V267

DOI: 10.16356/j.1005-2615.2019.04.006

页码: 466-473

总页数: 8

文件大小: 1211K

下载量: 176

相关论文文献

标签：辅助动力装置论文;  报文系统论文;  数据分析论文;  故障预测论文;  支持向量机论文;