基于结构最优化RBF神经网络的润滑油金属含量预测

• 作者: 张帅 李昂 石宏
• 来源期刊: 润滑与密封
• 学科: 工学
• 关键词: 航空发动机 金属含量 神经网络 粒子群算法
• 年，卷（期）: 2012,（11）
• 所属期刊栏目: 试验研究
• 页码范围: 35-38
• 页数: 4页
• 分类号: TP181|V263.5
• 字数: 2927字
• 语种: 中文
• DOI: 10.3969/j.issn.0254-0150.2012.11.008

摘要

航空发动机的磨损机制十分复杂且受诸多不确定因素影响,传统预测方法难以对其磨损趋势进行有效预测.提出一种结构最优化RBF(径向基函数)网络预测模型,采用改进的粒子群算法同时优化模型嵌入维数、核函数宽度及训练误差目标值,实现了RBF网络预测模型最优结构的自动获取.将该方法用于某型航空发动机润滑油金属含量预测,并与传统自回归模型对比,结果证明了该方法的有效性及优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	石宏	沈阳航空航天大学航空宇航工程学部	30	192	8.0	12.0
2	李昂	沈阳航空航天大学航空宇航工程学部	7	33	3.0	5.0
3	张帅	沈阳航空航天大学航空宇航工程学部	7	23	3.0	4.0