买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京航空航天大学

摘要：本发明公开了一种基于支持向量数据描述和迁移学习的航空发动机故障检测方法，该方法基于支持向量数据描述，并引入了迁移学习的思想。该方法考虑了航空发动机退化过程中不同退化程度下的发动机运行数据的差异，以发动机历史运行数据为源域数据，以发动机当前状态下收集的运行数据为目标域数据，该方法将SVDD模型的球心当作知识结构从源域迁移到目标域，辅助目标域建立精确性较高的故障检测模型。本发明通过迁移学习来解决航空发动机故障检测领域的故障数据缺乏的问题，并和单分类算法SVDD相结合，提高了故障检测模型在故障数据较少的情况下的故障检测效果。

主权项：1.一种基于支持向量数据描述和迁移学习的航空发动机故障检测方法，其特征在于，包括以下步骤：步骤1，在发动机标称状态下收集历史飞行数据作为源域数据；步骤2，在发动机当前退化程度下收集飞行数据作为目标域数据；步骤3，给定模型以及算法训练过程的所有参数，包括核函数参数、算法精度容忍值、源域及目标域的松弛参数、源域与目标域之间的平衡参数；步骤4，初始化源域SVDD模型的参数；步骤5，利用源域数据，采用SMO算法训练源域SVDD模型，得到相关的参数；步骤6；初始化目标域模型的参数；步骤7，利用目标域数据以及源域SVDD模型，采用SMO算法训练SVDD-TL模型；步骤8，将实时飞行数据输入故障检测模型，检测发动机处于正常状态还是故障状态；步骤7中利用目标域数据以及源域SVDD模型，采用SMO算法训练SVDD-TL模型，具体包括如下内容：根据源域数据得到源域SVDD模型目标域数据为：正类样本个数负类样本个数满足SVDD-TL模型的数学描述为： 其中，as为通过源域数据得到的球心，λ为源域与目标域的平衡参数；该问题的拉格朗日函数为： 分别对Rt、at、ξi、ξl求导并令其等于零，得到： 代入36，得到对偶问题： 求解该问题得到球心和半径： 对于测试样本xtest，计算： 样本的预测标签为： 采用SMO算法求解式40，得到优化更新公式： 上式中缓存向量的定义为： α1和α2的取值范围：若y1和y2同号，则：α2∈[max0，y2r-C1，miny2r，C2]α1∈[max0，y1r-C2，miny1r，C1]49若y1和y2异号，则：α2∈[max0，y2r，miny2r+C1，C2]α1∈[max0，y1r，miny1r+C2，C1]50缓存向量更新公式方式为： 于是，SVDD-TL算法的流程总结如下：输入：源域数据目标域数据训练：1初始化源域参数；2利用源域数据，计算得到源域SVDD模型参数3初始化目标域参数；4寻找目标域中半径差最大的两个支持向量；5若差值小于等于ε，转到步骤6；否则将这两个支持向量作为待优化的点，转到步骤8；6循环遍历非支持向量，如果违反KKT条件，将其作为优化的第一点，跳出循环转到步骤7；如果未发现违反KKT条件的点，转到步骤9；7循环遍历支持向量，寻找与第一点的E差值最大的点，作为优化的第二点；8根据公式46-51，对参数进行更新，转到步骤4；9训练结束。

全文数据：

权利要求：

百度查询： 南京航空航天大学 一种基于支持向量数据描述和迁移学习的航空发动机故障检测方法