[发明专利]一种用于航空发动机防喘控制系统故障率曲线估计方法

说明书

本发明公开了一种用于航空发动机防喘控制系统故障率曲线估计方法，收集多架飞机发动机防喘控制系统完全样本故障数据，假设航空发动机防喘控制系统故障数据服从威布尔分布，基于支持向量回归机估计所述步骤一中威布尔分布模型参数的形状参数m和尺度参数η，并基于人工蜂群算法优化所述步骤二中的支持向量回归机的惩罚参数C和损失函数ε，最终完成航空发动机防喘控制系统故障率曲线估计。本发明在提高航空发动机控制系统故障率曲线估计精度方面的有效性。

技术领域

本发明是一种航空发动机防喘控制系统故障率曲线估计方法，涉及工程实际应用过程中系统可靠性领域，更具体地涉及利用威布尔分布、支持向量回归机和人工蜂群算法相结合的方法对航空发动机防喘控制系统故障率曲线进行估计。

背景技术

本发明用于估计航空发动机防喘控制系统的故障率曲线，针对现有方法估计故障率曲线精度不高的问题，提出了基于威布尔分布、支持向量回归机和人工蜂群算法相结合的航空发动机防喘控制系统故障率曲线估计方法。

发明内容

为了解决现有技术存在的上述问题，本发明提出了基于威布尔分布、支持向量回归机和人工蜂群算法相结合的航空发动机防喘控制系统故障率曲线估计方法，其假设航空发动机防喘控制系统服从威布尔分布，基于支持向量回归机估计威布尔分布模型参数m、η和γ，基于人工蜂群算法优化支持向量回归机参数C和ε。

本发明的目的是通过以下技术方案实现的：

一种用于航空发动机防喘控制系统故障率曲线估计方法，包括以下过程：

步骤一：为估计故障率曲线，收集多架飞机发动机防喘控制系统完全样本故障数据；假设航空发动机防喘控制系统故障数据服从威布尔分布，二参数威布尔分布概率密度函数故障率函数为m>0为形状参数，η>0为尺度参数；

步骤二：基于支持向量回归机估计所述步骤一中威布尔分布模型参数的形状参数m和尺度参数η：

用支持向量机来估计威布尔模型参数，通过一个非线性映射Φ，将输入空间的数据x映射到高维特征空间F中，并在这个空间进行线性回归；

给定样本数据{x_i,y_i},i＝1,2,…,l，其中x_i∈R^m,y_i∈R，其中y_i为期望值，l为数据点的总数；支持向量机通过引入损失函数来解决回归问题，采用下式来估计函数：

y＝f(x)＝<ω·Φ(x)>+b,Φ:R^m→G,ω∈G。

对优化目标取极值：

式中，C为惩罚因子，实现在经验风险和置信范围的折中；ξ_i和为引入的松弛因子；ε为损失函数；

步骤三：基于人工蜂群算法优化所述步骤二中的支持向量回归机的惩罚参数C和损失函数ε，最终完成航空发动机防喘控制系统故障率曲线估计。

所述的一种用于航空发动机防喘控制系统故障率曲线估计方法，步骤一中，假设故障数据服从二参数威布尔分布，进行威布尔线性变换，完成对威布尔模型的线性化，其中，累计失效概率F(t_i)可以利用中位秩估计给出，这样可以得到一组数列(t₁,F(t₁)),(t_i,F(t_i)),…,(t_n,F(t_n))，将上式变换为(x₁,y₁),(x₂,y₂),…,(x_n,y_n)。