航空文献资源库

按文献类别分组

按栏目分组

按年份分组

按来源分组

关键词

LSSVM与HMM在航空发动机状态预测中的应用研究: 作者： 崔建国 高波蒋丽英于明月郑蔚 来源： 计算机工程 年份： 2018 文献类型： 期刊 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; 描述： 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。

LSSVM与HMM在航空发动机状态预测中的应用研究: 作者： 崔建国 高波蒋丽英于明月郑蔚 来源： 计算机工程 年份： 2018 文献类型： 期刊 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; 描述： 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。

< 1 >