본 논문에서는 고도 변화만을 고려한 탈설계 영역에서 항공기용 터보 축 엔진의 결함 진단을 위해 지지 벡터 장치(SVM)과 인공신경망(ANN)을 Hybrid로 사용한 분할 학습 알고리즘을 사용하였다. 지상 정지 상태에서보다 학습 데이터와 테스트 데이터 수가 크게 증가하지만, 분할 학습 알고리즘을 이용한 가스터빈 엔진의 결함 진단이 고도 변화를 고려한 탈설계 영역에서도 높은 결함 예측 정확성을 가짐을 확인하였다.
In this study, Hybrid Separate Learning Algorithm(SLA) consisting of Support Vector Machine(SVM) and Artificial Neural Network(ANN) has been used for developing the defect diagnostic algorithm of the aircraft turbo-shaft engine in the off-design range considering altitude variation. Although the number of teaming data and test data highly increases more than 6 times compared with those required for the design condition, the proposed defect diagnostics of gas turbine engine using SLA was verified to give the high defect classification accuracy in the off-design range considering altitude variation.
