基于EMD和RVM-AR的航空发动机磨损故障预测模型

• 作者: 范庚 马登武
• 来源期刊: 计算机测量与控制
• 关键词: 故障预测 滑油光谱分析 经验模态分解 相关向量机 自回归模型 量子粒子群优化 航空发动机
• 年，卷（期）: 2013,（7）
• 所属期刊栏目: 自动化测试技术
• 页码范围: 1746-1749
• 页数: 4页
• 分类号: TP206+.3
• 语种: 中文

摘要

针对滑油光谱数据的非线性非平稳特性及现有预测方法的不足,提出了一种基于经验模态分解(EMD)和相关向量机一自回归模型(RVM)的预测方法；首先,利用EMD算法将序列分解为若干固有模态函数(IMF)和残余函数(RF),分离原始数据中的趋势项和随机顼；然后,建立各IMF分量的AR模型和RF分量的RVM模型,以留一交叉验证误差作为适应度函数,采用量子粒子群优化算法进化搜索RVM的最优核参数和嵌入维数；最后,将各AR模型和RVM模型的预测值叠加作为最终预测值；实验结果表明:相比AR和SVM方法,该方法具有较高的预测精度,Fe元素的平均相对预测误差分别提高了15％和6％,Si元素的平均相对预测误差分别提高了49％和23％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	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
2	范庚	海军航空工程学院兵器科学与技术系	15	165	8.0	12.0