Resumen

Este artículo presenta un enfoque eficaz para el diagnóstico de fallos en motores de aviación, centrado en el impacto de los roces, mediante la combinación de bases discriminantes locales (LDB) mejoradas con máquinas de vectores soporte (SVM). El algoritmo LDB mejorado, que utiliza la diferencia de energía normalizada y la entropía relativa como medidas de cuantificación, se aplica para elegir el conjunto óptimo de subespacios ortogonales para la descomposición de la señal basada en la transformada de paquetes de ondas (WPT). A continuación, se han obtenido dos conjuntos óptimos de subespacios ortogonales y las características energéticas extraídas de los subespacios que aparecen en ambos conjuntos se seleccionarán como entrada de un clasificador SVM para diagnosticar fallos en motores de aviación. Los estudios experimentales llevados a cabo en un sistema de pruebas de rozamiento e impacto de motores de avión han verificado la eficacia del enfoque propuesto para clasificar las condiciones de funcionamiento de los motores de avión.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Mathematical logic
• Palabras claves:aero, subespacios ortogonales, bases discriminantes locales mejoradas, diagnóstico de fallos del motor, sistema de pruebas de impacto, algoritmo ldb mejorado, máquina de vectores soporte, transformada de paquetes wavelet-, estudios experimentales, clasificador svm
• Keywords:aero, orthogonal subspaces, improved local discriminant bases, engine fault diagnosis, impact test system, improved ldb algorithm, support vector machine, wavelet packet transform-, experiment studies, svm classifier