Defect Diagnostics of Gas Turbine Engine with Altitude Variation Using SVM and Artificial Neural Network

SVM과 인공신경망을 이용한 고도 변화에 따른 가스터빈 엔진의 결함 진단 연구

  • 이상명 (인하대학교 항공공학과) ;
  • 최원준 (인하대학교 항공공학과) ;
  • 노태성 (인하대학교 항공공학과) ;
  • 최동환 (인하대학교 항공공학과)
  • Published : 2006.05.01


In this study, Support Vector Machine(SVM) and Artificial Neural Network(ANN) are used for developing the defect diagnostic algorithm of the aircraft turbo-shaft engine. Effect of altitude variation on the Defect Diagnostics algorithm has been included and evaluated. Separate learning Algorithm(SLA) suggested with ANN to loam the performance data selectively after classifying the position of defects by SVM improves the classification speed and accuracy.

본 논문에서는 항공기용 터보 축 엔진의 결함 진단 알고리즘을 개발하지 위해 Support Vector Machine(SVM)과 인공신경망(ANN)을 이용하였다. SVM을 이용하여 결함 위치를 판별한 후 인공신경망이 선택적으로 학습하는 분할 학습 알고리즘(SLA)을 제안하였으며 이를 고도 변화에 따른 가스 터빈 엔진의 결함 진단에 적용하여 분류 속도 및 예측 정확률 개선 가능성을 확인하였다.