飞机液压系统故障诊断

    飞机液压系统故障诊断

    飞机液压系统是典型的非线性系统，故障机理复杂，提取故障信息困难，且故障样本较少。针对飞机液压系统部件故障，文章采用了基于信息熵特征权值分配和支持向量机( SVM) 多分类的故障诊断方法。先提取飞机液压系统压力信号的统计特征，然后通过计算特征信息熵为特征分配相应权值，将权值较大的特征作为支持向量机的输入向量，最后建立SVM 多分类器将正常与多种故障状态进行分类；所采用的方法不仅有效降低了支持向量机模型的计算复杂度，而且提高了分类精度。通过建立飞机起落架收放系统仿真模型，对该故障诊断方法进行了验证研究。仿真结果表明，该方法选用高斯径向基核函数能够有效对液压系统进行故障诊断。

    液压系统是飞机最重要的系统之一，作用于飞机起落架收放、刹车及舵面操纵等关键部位，在飞行及着陆阶段使用频繁，并且对飞机的操纵性和安全性影响很大，飞机上机械设备故障的发生半数以上都与液压系统有关。因此为了保障飞机液压系统的可靠性和安全性，必须对飞机液压部件进行实时故障检测和诊断，以便及时发现故障，并进行有效处理。

    目前液压系统的故障诊断方法从基于信号分析方法向基于人工智能的方法迅速发展，支持向量机( Support Vector Machine，SVM) 作为一种结构风险最小化的机器训练和模式识别方法，在样本非线性和高维模式识别方面有独特优势，具有直观的几何解释和良好的泛化能力，已经成功应用于分类、模式识别等问题［2］，如机械故障诊断、图像识别等。但是如果缺少了对样本有效的特征选择，支持向量机在分类时往往会出现训练时间过长以及较低的分类准确率，这恰恰是由于支持向量机无法利用混乱的样本分类信息而引起的，因此选择有效的特征向量作为支持向量机的学习样本是影响SVM 分类性能的重要因素。

    本文应用信息熵特征权值分配方法选取飞机液压仿真模型的特征向量，并采用支持向量机多分类对仿真样本进行分类，实现飞机液压系统的故障诊断。