LSSVM与HMM在航空发动机状态预测中的应用研究

• 作者: 于明月 崔建国 蒋丽英 郑蔚 高波
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 航空发动机 最小二乘支持向量机 隐马尔科夫模型 状态预测 振动信号 降噪 小波包分解
• 年，卷（期）: 2017,（10）
• 所属期刊栏目: 开发研究与工程应用
• 页码范围: 310-315
• 页数: 6页
• 分类号: TP39
• 字数: 4522字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2017.10.051

摘要

传统单一的状态预测方法难以精确预测航空发动机状态的缺陷,而最小二乘支持向量机(LSSVM)具有较强的非线性预测能力和泛化能力,可以有效地对信号进行非线性预测,隐马尔科夫模型(HMM)有利于处理连续的动态信号,能够精确计算出似然度概率.提出一种结合LSSVM与HMM的状态预测方法.利用提升小波函数全阈值降噪法对采集的振动信号进行降噪,采用小波包分解提取有效的特征,选择不同状态下的特征量训练多个HMM模型,并通过此模型对未知信号特征量以及LSSVM预测的特征量进行状态监测,从而预测出发动机未来时刻的状态以及状态的退化趋势.实验结果表明,该方法的预测准确率达到92％以上,能够有效地预测航空发动机的状态情况.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	崔建国	沈阳航空航天大学自动化学院	87	573	15.0	20.0
2	蒋丽英	沈阳航空航天大学自动化学院	45	243	7.0	14.0
3	于明月	沈阳航空航天大学自动化学院	32	50	3.0	3.0
4	高波	沈阳航空航天大学自动化学院	3	9	3.0	3.0
5	郑蔚		2	6	2.0	2.0