基于ARIMA的民航发动机下发预测

时间序列自回归滑动平均模型(Autoregressive Integrated Moving Average Model,ARIMA)能较准确处理和预测依循环顺序获得的航空发动机性能数据。采用分箱改进的拉伊达准则处理起飞EGTM数据，可为ARIMA模型提供了更加真实的数据，获得航空发动机起飞EGTM预测值，依据航空公司发动机设定的可靠度进行下发预测。应用验证表明:基于ARIMA的起飞EGTM时间序列能够满足航空发动机的质量管理的要求。     

基于冲击的涡扇发动机退化建模与下发预测

为解决多性能参数模型无法描述不同起飞推力下发动机性能退化的问题,利用单性能参数结合极端冲击模型描述起飞时发动机全功率运转对热端部件的热冲击影响,利用线性退化模型描述发动机自然退化过程,建立发动机性能可靠度退化模型。利用V2500发动机全寿命EGTM数据,结合最大似然估计给出性能可靠度表达式与模型参数,最后利用机队中同型V2500发动机非完整EGTM数据验证模型,预测下发时间,结果表明此模型预测下发时间和实际下发时间的误差小于3%,证明了模型的有效性。     

多维非平稳时间序列在机床主轴故障诊断中的应用

采用ARIMA模型将数控机床主轴故障初期的非平稳时间序列转化成标准平稳时间序列,然后利用多维自回归(AR)模型进行数据处理与趋势预测,并分析了基于多维自回归序列参数估计的Yule-Walker算法以及FPE阶次判定准则.实测数据的计算结果表明:经稳态处理后的多维AR时序模型能够很好地拟合数控机床主轴故障模型,预测的精度符合要求.     

基于小波 ARIMA的航空运输企业能耗预测模型

针对航空运输企业月度能耗进行预测，提出基于小波分析与求和自回归移动平均模型(ARIMA)相结合的混合预测模型。该模型根据航空运输企业月度能耗序列的特征，对其进行二尺度小波分解，对分解后的能耗序列根据自身规律分别进行ARIMA预测，重构各尺度序列的预测值得到最终预测结果。利用某航空运输企业2009年1月至2013年12月五年的月度能耗数据进行验证，结果表明:小波 ARIMA模型的预测精度高于ARIMA模型，对数据的波动性有较好的响应，提高了能耗序列的整体预测精度。     

基于小波-ARIMA的航空运输企业能耗预测模型（英文）

针对航空运输企业月度能耗进行预测,提出基于小波分析与求和自回归移动平均模型(ARIMA)相结合的混合预测模型。该模型根据航空运输企业月度能耗序列的特征,对其进行二尺度小波分解,对分解后的能耗序列根据自身规律分别进行ARIMA预测,重构各尺度序列的预测值得到最终预测结果。利用某航空运输企业2009年1月至2013年12月五年的月度能耗数据进行验证,结果表明:小波-ARIMA模型的预测精度高于ARIMA模型,对数据的波动性有较好的响应,提高了能耗序列的整体预测精度。     

基于LSTM与ARIMA组合模型的高炉煤气产生量预测

通过分析煤气产生量的数据特点,采用LSTM循环神经网络和ARIMA两种预测模型建立钢铁企业高炉煤气产生量预测模型,经验证LSTM模型性能明显优于BP神经网络,但是其预测结果值比真实值普遍偏低,而ARIMA模型的预测结果值比真实值普遍偏高。基于上述现象,提出了一种基于LSTM与ARIMA组合预测模型,将两种模型的预测结果采用CRITIC方法进行融合处理。结果表明,组合模型明显改善了两种模型在预测特性上的弊端,将预测结果的均方根误差减小为2.325,更贴近真实值,提高了预测精度。     

基于时间序列汽车轮毂尺寸偏差趋势预测

文章选用指数平滑法和ARIMA法两种典型的时间序列算法作为预测模型,对流水线生产的汽车轮毂倒锥大尺寸值偏差趋势进行预测。以MATLAB作为工具进行实验计算,依据预测数据和实际观察值的RMSE和期望误差的对比来比较这两种模型的预测效果,得出在预测汽车轮毂倒锥大尺寸值偏差趋势时,二次指数平滑法的预测效果更好,所以最终采用此模型,从而为宏观调控刀具补偿值提供有力的依据。     

沿时间轴航空发动机装配技术状态数据模型及应用

为解决航空发动机单机物料、工艺、检验信息随时间变化而引起的装配技术状态管理上的难题,在深入分析了发动机装配技术状态复杂性的基础上提出了一个沿时间轴的航空发动机装配技术状态数据模型。结合该模型,定义了三个基本操作,由基本操作复合运算表达航空发动机单机装配技术状态的改变。通过对每次装配完成时技术状态的记录得到沿时间轴技术状态快照序列。最后,通过实例验证了该模型和方法的可行性。     

基于改进LSTM的航空发动机寿命预测方法研究

发动机剩余寿命(RUL)预测时，进行数据特征提取易导致预测效率低下。为解决此问题，提出一种改进的长短期记忆(LSTM)算法模型。通过引入深度稀疏自动编码器(SDAE)完成时序数据的处理与特征提取，优化LSTM模型，改善航空发动机RUL预测效果。利用SDAE进行特征提取，构建健康因子(HI)曲线；同时考虑运行工况、故障模式和传感器3个因素，并分别训练其权重。利用LSTM模型进行发动机剩余寿命预测。利用涡扇发动机退化过程数据集C-MAPSS开展实验，并与DNN、BiLSTM、单层LSTM进行对比分析。结果表明：与上述3种算法相比，改进后算法的均方根误差和〖JP2〗评分函数值至少分别降低6.6%和39.1%；该方法寿命预测结果和实际寿命曲线拟合度高，验证了该方法的可行性和有效性。     

ARIMA时间序列模型在铝价格预测中的研究

运用时间序列预测方法,以长江有色A00铝价日均价格为样本,建立非平稳时间序列ARIMA(1,1,1)模型,描述并预测A00铝价的变化情况,得到了2016年10月到2017年10月的长江有色A00铝价的预测值,并使用真实观测值与预测值进行预测拟合精度分析,结果表明,该模型拟合精度高,适合于中短期模拟预测铝价价格。本文所建立的预测模型能对铝价格的中短期变化情况做出较为准确的预测,以便铝行业生产经营者、消费者掌握铝产品的市场价格变化情况和变动趋势并及时进行买卖决策。     

基于WASVM模型的高炉铁水含硅量预测

基于小波在处理非线性、非平稳随机信号和支持向量机在解决非线性、高维数、小样本等问题的优点,提出了一种二者组合的预测模型。先用小波变换将铁水含硅量的时间序列分解成不同的高频和低频层次,对不同层次构建支持向量机模型进行预测,然后通过序列重构得到原始时间序列的预测结果。利用山东莱钢1号高炉在线采集的数据作为应用案例,WASVM组合模型与工程常用的AR模型和单一的最小二乘支持向量机模型的预测结果比较,预测精度有明显提高。     

基于ARIMA模型对氧化钕价格的预测分析

稀土产品的价格受多方因素影响,而且各个因素之间有着极其复杂的关联。通常,稀土产品月度价格数据是非线性、非平稳的,相应的给预测增加了难度。近年来,稀土永磁材料发展迅速,为此选用其主要原料之一素有稀土价格"晴雨表"之称的氧化钕月度价格为例,建立非平稳时间序列ARIMA(3,1,3)模型,以2013年～2017年数据为基础对2018年～2020年氧化钕出口月度价格进行预测分析,并用真实观测值与预测值进行预测拟合精度分析。结果表明,该模型拟合精度较高、适用性较强,可为稀土产品市场信息的准确预测提供参考,同时还对稀土企业及投资者给出了管理及中短期投资建议。     

基于ARIMA 和SVR 的滚动轴承状态预测方法研究

滚动轴承作为多种机械设备的关键零件,其运行状态的好坏往往影响着整机设备的运行状况,因此高精度的滚动轴承状态预测对整机设备的运行状态有着重要的意义。针对滚动轴承单一预测模型精度较差的问题,构建一种基于时间序列ARIMA和支持向量回归机SVR理论的组合预测模型。首先针对单一模型进行预测,应用误差平方和倒数法得到两种预测模型的权重结果,最终将该组合模型的预测结果分别与单一预测模型作比对分析。结果表明：该组合预测模型的预测误差均小于单一模型,具有较高的可靠性。     

滚动轴承自适应组合状态预测方法研究

滚动轴承的状态预测组合模型中配比权重多为固定权重,自适应动态调整权重的组合型状态预测方法较少。为解决此问题,提出一种基于ARIMA与Elman的轴承自适应组合状态预测方法;采用IMS提供的轴承加速性能退化数据集进行验证。结果表明：使用单一ARIMA模型的预测相对误差为3.95%,使用单一Elman模型的预测相对误差为5.62%,而使用文中提出的变权重Elman-ARIMA组合预测模型的平均相对误差为3.22%,低于2种单一预测模型,预测结果具有更高的可靠性,证明了组合预测方法的可行性。     

航空发动机冲蚀损伤及防护涂层研究进展*

航空发动机高速发展,其服役工况日渐严苛。飞机在高低空飞行、起飞和降落过程中,空气中的沙粒、火山灰、 雨水和冰晶等在高速气流作用下不可避免地被吸入发动机内,与燃烧室等热端部件工作过程中产生的高温多相冲蚀流体共同作用,造成各类冲蚀损伤并严重影响航空发动机服役期间的安全性。开发有效的航空发动机冲蚀防护技术及高性能冲蚀防护涂层已成为航空发动机安全服役的必要保障,但目前系统介绍航空发动机冷热端部件冲蚀损伤形式的文献极少。针对航空发动机服役环境下冷热端部件的主要冲蚀形式及产生原因进行归纳,分析航空发动机服役工况特点与冲蚀破坏机理。对航空发动机用抗冲蚀涂层体系进行归类,并对其研究进展及性能进行阐述,归纳航空发动机冲蚀防护领域的测试方法和国内外各学术团队的探索性研究。总结当前研究成果并作以展望,为航空发动机冲蚀损伤的研究和新型防护涂层的设计提供参考。     

时序综合分析在金属板柔性成形试验中的应用

针对金属板等离子体弧柔性成形的试验数据处理问题,提出用灰色系统理论与时间序列分析相结合的方法描述金属板在弯曲变形过程中的角度变化。用一组实测温度变化数据证明了用GM（1,1）模型和ARMA模型共同描述金属板弯曲成形的适用性,并用模型预算公式对预测值与实测值作了比较,证明预测效果良好。     

基于灰色组合模型的管道腐蚀速率预测

将灰色系统理论、人工神经网络及时间序列分析方法相结合,建立灰色组合模型,通过对腐蚀速率测量数据序列的趋势性、周期性及随机性成分分别建模,从而实现对腐蚀速率的预测.实例表明,灰色组合模型的预测精度高于其它几种预测方法,具有推广价值.     

基于LMNN的航空发动机维修等级决策

针对航空发动机维修等级之间界限模糊、决策准确度较低的问题,提出一种基于大间隔近邻（LMNN）算法和K近邻算法的发动机维修等级决策方法。首先以发动机历史维修数据为基础,通过大间隔近邻算法获取变换矩阵;再利用变换矩阵将发动机监测数据映射到最优的特征空间;最后采用K近邻算法以优化后的数据为训练样本建立决策模型,对发动机下发时的状态进行评估确定其维修等级。采用某型航空发动机的状态参数和维修等级数据验证了该方法的有效性,其决策准确度高于常用的支持向量机模型和神经网络模型。     

航空发动机叶片Tc4材料的非线性累积损伤及可靠度研究

以轴向拉压疲劳试验统计航空发动机叶片TC4材料在不同应力比下的损伤及寿命分布,针对线性损伤模型的不足,基于Chaboche非线性损伤模型和第四强度理论,提出叶片TC4材料的非线性损伤演化方程,并引入W?hler曲线和BP神经网络计算结果进行比较。以压气机叶片在最大连续工作状态下流场仿真计算结果为依据,计算出叶片应力时间历程。基于应力强度干涉模型,从能量耗散角度描述TC4材料的剩余强度模型结合泊松随机过程,完成航空发动机压气机叶片在最大连续工作状态下的可靠度预测。     

基于相似性与GA-RF的航空发动机剩余寿命预测

针对单参数不能准确表征发动机性能退化过程，以及传统智能学习模型难以准确拟合发动机退化模型等问题，提出一种融合数据构建发动机健康指数（HI），并结合多模型相似性匹配与集成模型进行发动机剩余寿命预测的方法。利用层次聚类与轮廓系数筛选参数，并融合为发动机健康指数。采用遗传算法优化随机森林拟合发动机性能退化过程，并将多模型相似性匹配用于回归模型预测，优化模型的预测结果。选择某涡扇发动机仿真数据集（C-MPASS）验证所提方法的有效性。结果表明：该方法的RMSE为6.128、MAE为4.901,且融合健康指数和多模型相似匹配极大地提高了发动机剩余寿命预测精度。