一种改进的自适应增强-支持向量回归机的故障预测方法

• 作者: 刘小平 周宏亮 景博 朱海鹏 邓森
• 来源期刊: 兵工学报
• 学科: 工学
• 关键词: 系统工程方法论 支持向量回归 自适应增强算法 突变故障 故障预测
• 年，卷（期）: 2012,（8）
• 页码范围: 991-996
• 分类号: TP206+.3
• 字数: 4641字
• 语种: 中文

摘要

针对支持向量回归(SVR)方法对突变故障预测精度较低的问题,提出了一种改进的自适应增强算法(AdaBoost)提升SVR故障预测性能.该方法通过AdaBoost算法获取训练样本中突变点的权重并构造加权支持向量回归机增强突变点的训练,以提高对突变故障预测精度.利用自适应权重裁减方法剔除权重较小的样本点,来提高算法的训练速度.将本文方法用于发动机磨损元素的时间序列预测中,一步预测相对误差达到了0.025.实验结果表明该方法在保证预测精度的前提下有效地提高了故障预测速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	景博	空军工程大学工程学院	126	1068	17.0	26.0
2	邓森	空军工程大学工程学院	16	136	8.0	10.0
3	周宏亮	空军工程大学工程学院	5	52	5.0	5.0
4	朱海鹏	空军工程大学工程学院	3	14	3.0	3.0