首页 | 本学科首页   官方微博 | 高级检索  
     

LSSVM与HMM在航空发动机状态预测中的应用研究
作者单位:;1.沈阳航空航天大学自动化学院;2.故障诊断与健康管理技术航空科技重点实验室
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HM M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。

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

Application Research of LSSVM and HMM in Aeroengine Condition Prediction
Abstract:
Keywords:
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号