LSSVM与HMM在航空发动机状态预测中的应用研究

【类型】期刊

【作者】崔建国 高波 蒋丽英 于明月 郑蔚  

【刊名】计算机工程

【关键词】 隐马尔科夫模型,状态预测,航空发动机,最小二乘支持向量机,小波包分解,振动信号,降噪

【摘要】传统单一的状态预测方法难以精确预测航空发动机状态的缺陷,而最小二乘支持向量机(LSSVM)具有较强的非线性预测能力和泛化能力,可以有效地对信号进行非线性预测,隐马尔科夫模型(HMM)有利于处理连续的动态信号,能够精确计算出似然度概率。提出一种结合LSSVM与HMM的状态预测方法。利用提升小波函数全阈值降噪法对采集的振动信号进行降噪,采用小波包分解提取有效的特征,选择不同状态下的特征量训练多个HM M模型,并通过此模型对未知信号特征量以及LSSVM预测的特征量进行状态监测,从而预测出发动机未来时刻的状态以及状态的退化趋势。实验结果表明,该方法的预测准确率达到92%以上,能够有效地预测航空发动机的状态情况。

【年份】2018

【作者单位】沈阳航空航天大学自动化学院;故障诊断与健康管理技术航空科技重点实验室;

【期号】10

【页码】310-315

【全文挂接】全文挂接