全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
关键词
- 基于多元退化数据的航空机电系统竞争故障预测
- 作者： 孟蕾 许爱强 董超 来源： 舰船电子工程 年份： 2018 文献类型 ： 期刊 关键词： 航空机电系统 性能退化 最小二乘支持向量机 竞争故障
- 描述： 针对基于多元退化数据的航空机电系统竞争故障预测问题,根据复杂机电系统的故障模糊特点,在退化数据和突发数据相关度的基础上,分析了航空机电装备的退化特性,而且建立了以多元退化数据为指标的航空机电系统中的预测模型。针对航空机电系统退化参数的非线性、小样本的特点,运用最小二乘支持向量机预测模型对未来某一时刻参数进行预测,并用退化量和突发故障求出的相关度得出退化量和突发故障的相关参数,从而根据航空机电系统竞争故障预测模型得出航空机电系统未来某一时刻的竞争故障概率。最后,实例分析,实现了航空机电系统的竞争故障预测,并与其它预测方法进行了对比,验证了此方法的合理性。
- 基于灰色和LSSVM的航空发动机状态预测
- 作者： 崔建国 高波 蒋丽英 于明月 郑蔚 来源： 计算机工程与设计 年份： 2018 文献类型 ： 期刊 关键词： 状态预测 航空发动机 最小二乘支持向量机 排气温度 主燃油泵 灰色模型
- 描述： 为克服单一模型预测精度较低这一缺陷,提出一种基于灰色模型(grey model,GM)和最小二乘支持向量机(least squares support vector machine,LSSVM)的组合预测方法。通过灰色累加对原始数据序列进行处理,建立灰色预测模型,利用灰色预测模型的预测结果作为输入,原始数据作为输出,训练构建LSSVM预测模型进行预测。选取航空发动机主燃油泵作为具体研究对象,采集排气温度作为其状态预测参数进行状态预测。研究结果表明,相比单一预测模型,灰色最小二乘支持向量机预测精度更高,为航空发动机状态预测提供了一种有效的解决途径。
- 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。