基于关联向量机回归的故障预测算法

• 作者: 万九卿 于劲松 张磊 李行善
• 来源期刊: 系统工程与电子技术
• 学科: 工学
• 关键词: 故障预测 关联向量机 时间序列预测 蒙特·卡罗采样 剩余寿命
• 年，卷（期）: 2010,（7）
• 页码范围: 1540-1543
• 分类号: TP206.3
• 字数: 4423字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-506X.2010.07.044

摘要

针对一类故障预测问题提出了一种基于关联向量机(relevance vector machine, RVM)回归的故障预测算法.算法首先采用关联向量机模型对对象历史数据中隐含的故障演化信息进行学习,然后将所获取的关联向量机模型用于对象故障未来变化趋势的预测.预测过程采用多步时间序列预测中的递推计算的思想,并且将每一步预测的不确定性作为下一次预测迭代的输入要素加以充分的考虑.迭代过程中的一些关键量的获取采用了蒙特卡罗采样计算的思想,避免了对关联向量机核函数选取的限制.算法预测输出采用对象系统剩余寿命的随机分布形式,相对于传统预测算法的确定值形式的输出更加符合实际.将所提算法与传统算法进行比较,仿真实验结果证明所提算法要优于传统故障预测算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张磊	北京航空航天大学自动化科学与电气工程学院	78	721	15.0	25.0
2	李行善	北京航空航天大学自动化科学与电气工程学院	51	1697	21.0	41.0
3	万九卿	北京航空航天大学自动化科学与电气工程学院	19	151	9.0	12.0
4	于劲松	北京航空航天大学自动化科学与电气工程学院	68	1241	19.0	34.0