基于改進SVM的航空發(fā)動機預測方法研究.pdf

1、航空發(fā)動機的維修費用占整個飛機維修費用的百分之四十，備用的航空發(fā)動機更是昂貴，單臺價值千萬美元，為提高發(fā)動機的利用率和安全性，對其開展預測研究十分必要。氣路是航空發(fā)動機最關鍵的部分，其性能參數(shù)的變化對發(fā)動機的壽命衰減有重要影響。因此本文以航空發(fā)動機為對象，針對基本SVM的不足提出一種改進的SVM算法，并將其應用到航空發(fā)動機氣路性能參數(shù)的趨勢預測和剩余壽命預測。主要研究內容如下：
　　1、支持向量機改進算法。SVM算法忽略了輸入對輸

2、出的影響，易引起較大的累積誤差，且單個核函數(shù)均有各自的缺陷易限制其應用范圍，為解決上述問題本文采用泛函分析建立一種混合核泛函數(shù)SVM算法。為得到改進SVM的最優(yōu)參數(shù)，減小預測誤差，本文采用改進QPSO算法對參數(shù)進行尋優(yōu)。通過對導彈發(fā)射系統(tǒng)中推力趨勢預測實例進行分析，得到在一定訓練時間下改進SVM算法能夠取得更高精度。
　　2、航空發(fā)動機氣路性能參數(shù)預處理。首先，運用格羅布斯準則對氣路性能參數(shù)進行異常點判定，并采用羅曼諾夫斯基準則對

3、判定的異常點進行檢驗，如果兩種方法得到結果一致，可確定該值為異常點并將其剔除。其次，采用本文改進SVM算法對剔除的異常點進行回歸預測，將得到的預測值作為缺失值。最后，考慮到粗糙懲罰平滑算法降噪的不足，提出經(jīng)驗模態(tài)分解和粗糙懲罰平滑算法相結合的方法進行降噪處理，實驗結果表明本文提出的降噪算法具有更好效果。
　　3、航空發(fā)動機性能趨勢預測研究。運用改進的SVM算法，對航空發(fā)動機單個氣路性能參數(shù)和多個氣路性能參數(shù)進行趨勢預測研究。對單個

4、氣路性能參數(shù)進行短期趨勢預測，進一步驗證改進SVM算法的優(yōu)越性。對多個氣路性能參數(shù)進行中長期趨勢預測，其預測結果在忽略部分細節(jié)特征值的前提下，保證氣路性能參數(shù)整體趨勢的正確預測，從而滿足航空發(fā)動機壽命預測需求。
　　4、單個和多個氣路性能參數(shù)的航空發(fā)動機剩余壽命預測研究。采用第二章改進SVM預測算法，并結合失效閾值建立單個氣路性能參數(shù)預測模型。此預測模型建模簡單，但存在預測信息貧乏、人為設定失效閾值和過度預測的不足。多個氣路性能參