基于LightGBM算法的航空发动机基线多参数建模方法

王腾飞， 曹惠玲， 曲春刚

(中国民航大学航空工程学院， 天津 300300)

基线方程是指在标准大气状态下同一类型的处于性能最佳状态的航空发动机(或新发动机)的性能参数与控制量、其他飞行参数之间的函数关系。发动机性能参数换算值与基线值之间的偏差反映了发动机健康状态，所以航空发动机基线模型直接影响了对航空发动机健康状态的判断[1]，因此航空发动机基线模型是发动机状态监控、故障诊断和预测的基础[2]，有必要对其进行研究。

龙江等[3]根据现有基线模型，建立单参数的二次模型，进行相关回归分析。李书明等[4]利用最小二乘法对数据拟合从而实现发动机基线方程的挖掘。钟诗胜等[5]采用数学统计的多元非线性回归分析方法对发动机基线进行了挖掘工作。莫李平等[6]提出了考虑数据选择的航空发动机基线建模方法，该方法 基于多元线性回归建立基线模型，并通过网格搜索确定最优的建模数据选取方案，最终在一定程度上缩小了基线建模误差。这些方法虽然可行，但都存在一个精度不高、鲁棒性不强等问题。随着机器学习和人工智能的发展，利用机器学习和人工智能进行基线建模也层出不穷。王聃[7]对现有的支持向量回归机(support vector regression,SVR)和BP(back propagation)神经网络算法改进后应用到航空发动机的基线挖掘上，并且获得了较好的结果。闫峰等[8]利用以高斯函数为隐含层激励函数、以线性函数为输出层激励函数的多参数 RBF(radial basis function) 神经网络对航空发动机进行了数据挖掘也获得了不错的结果。……