基于集成学习的航空发动机故障诊断方法

航空发动机内部结构复杂、故障耦合性高,现有机器学习模型和集成学习模型的故障诊断性能难以满足不断提升的飞行安全需求.针对该问题,提出一种基于Stacking集成学习的航空发动机故障诊断方法.首先,依据发动机制造商(OEM)提供的故障报告选择4种关键气路参数,设置飞行循环观测窗口;然后,设定训练样本集,并对输入向量做归一化预处理;最后根据典型模型的分类性能和组合差异度选择组合最优基模型、元模型,建立一种两层结构的Stacking集成学习模型,实现航空发动机典型气路故障的智能诊断.仿真实验结果表明,该模型的精确率和召回率相比现有典型模型均可提升约3％～16％,能更好地应用于航空发动机故障诊断.