航空发动机油样光谱分析的PSO-LSSVM组合预测方法

• 作者: 侯民利 李爱 陈果
• 来源期刊: 机械科学与技术
• 学科: 工学
• 关键词: 组合预测 最小二乘支持向量机 光谱油样分析 粒子群优化
• 年，卷（期）: 2013,（1）
• 页码范围: 120-125
• 页数: 6页
• 分类号: TP182
• 字数: 5239字
• 语种: 中文

摘要

油样光谱分析是航空发动机磨损状态监测与故障诊断的重要技术,基于光谱数据的航空发动机状态预测有利于发现航空发动机的早期磨损故障.根据光谱数据特征,选取AR模型、BP神经网络模型以及GM(1,1)预测模型作为基础模型,建立了基于最小二乘支持向量机的组合预测模型,同时,用粒子群算法对LSSVM的正则化参数以及核函数参数进行了优化.最后利用两组实际的航空发动机光谱分析数据对模型进行了验证,与基础模型的对比结果充分表明,提出的带粒子群优化的最小二乘支持向量机(the Least Squares Support Vector Machines with Particle Swarm Optimization-PSO-LSSVM)的非线性变权重组合预测模型具有更好的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈果	南京航空航天大学民航学院	178	3333	32.0	49.0
2	李爱	南京航空航天大学民航学院	5	21	3.0	4.0