支持向量回归机建立排气温度模型研究

夏存江

1 引言

航空发动机是飞机的核心动力系统，而且是一种结构复杂高度精密的机械，对之实施有效的状态监控是保障飞机安全性，可靠性和经济性的重要途径。发动机排气温度（exhaustgastemperature，EGT）是最能反映发动机运行情况的性能参数，通过分析EGT测量值偏离对应基线值的偏差值，可监控和预测发动机的健康状态及其性能衰退趋势。EGT的基线值是生产厂家通过大量的试验综合统计获得，属于航空发动机状态监控核心技术，厂家并未公布，国内航空公司的状态监控也只是停留在监控软件的简单操作[1]。

为了避免过度依赖发动机生产厂家，目前在航空发动机基线挖掘方面，一些研究学者对其进行了较深入的研究。如文献[2]应用正交实验设计原理和最小二乘曲线拟合的方法建立了JT9D三种类型的发动机基线方程；文献[3]采用基于核函数的多元非线性回归分析方法，对Rolls-Royce公司的Trent700发动机基线方程进行挖掘，建立了标准化过程中的核函数和性能参数的偏差值模型，文献[4]中，以CFM56-5B航空发动机为例，利用RBF神经网络建立了EGT的基线模型。在以往的工作中，采用不同方法对航空发动机的基线进行挖掘，但很少采用支持向量回归机（SVR）对民航发动机EGT基线方程进行建模分析，并且之前的研究结果和模型精度并不是很理想。

以民航某主力型号发动机为例，采用支持向量回归机的方法建立了精度较高且对未知数据预测能力较强的EGT基线模型。

2 样本数据预处理

航空发动机常年在高温、高压等恶劣环境下工作，其相关参数的测量较为困难，常见的问题主要有数据测量误差大、传感器易发生故障、某些数据甚至难以采集等[5]。……