基于改进 HMM 和LS-SVM 的机载设备故障预测研究

• 作者: 张继军 张金春 范庚 马登武
• 来源期刊: 海军航空工程学院学报
• 学科: 工学
• 关键词: 故障预测 隐马尔科夫模型 最小二乘支持向量机 遗传算法 状态预测
• 年，卷（期）: 2012,（6）
• 页码范围: 645-650
• 分类号: V233.7|TP206+.3
• 字数: 4246字
• 语种: 中文

摘要

针对传统故障预测方法不能直接预测设备状态的不足,提出了将改进隐马尔科夫模型(HMM)和最小二乘支持向量机(LS-SVM)相结合的机载设备故障预测方法.首先,采用多智能体遗传算法对 HMM 参数进行训练优化,克服了 B-W 算法易陷入局部最优解的缺陷;其次,分别研究设计了设备是否具有使用阶段状态退化过程数据2种情况下的故障预测算法流程;最后,以飞机发动机温控放大器为应用对象进行仿真计算.结果表明,该算法不仅预测精度高,而且预测结果直接与设备状态相关,易于理解分析.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张金春	海军航空工程学院基础部	66	365	11.0	15.0
2	马登武	海军航空工程学院兵器科学与技术系	97	919	14.0	26.0