基于决策树的涡轴发动机气路健康评估方法

作者：倪波; 李秋红^*; 徐嘉伸; 刘鑫洋

来源：推进技术, 2022, 43(05): 330-339.

DOI：10.13675/j.cnki.tjjs.200608

• 涡轴发动机
• 健康评估
• 梯度提升决策树
• 特征筛选
• 分类器

为解决涡轴发动机退化模式多、故障样本大、分类困难的问题，将梯度提升决策树（GBDT）算法应用于涡轴发动机气路健康评估。首先对涡轴发动机故障标签进行了拆解，针对每一类标签设计了一个分类器。通过特征重要度排序筛选了6个分类标签的输入特征，有效降低模型复杂度。通过遍历确定树的最优数量和深度，确保了分类的准确性。仿真结果表明，特征筛选减少测试时间16%～35%；相比广泛使用的支持向量机（SVM）算法，在特征数量相同条件下，GBDT测试时间缩短了31.88%～65.28%，相比极限学习机（ELM），误诊样本数量低于其千分之一。可见GBDT算法在涡轴发动机大样本故障评估中表现出更高的分类精度，验证了其在发动机气路健康评估上的有效性。

• 单位
  南京航空航天大学