基于SMO—SVR的飞机舵面损伤故障趋势预测
飞机舵面出现损伤时,为了更准确的预测状态参量变化情况,提出了一种改进的序贯最小优化支持向量回归(SMO-SVR,SequentialMinimalOptimizationSupportVectorRegression)预测方法.采用改进C—C平均方法对多元时间序列进行相空间重构,以确定最优嵌入维数m和延迟时间td.根据所求m和td建立加权SVR预测模型,并调整了SMO算法的停机准则.利用区间自适应粒子群算法(IAPSO,IntervalAdaptiveParticleSwarmOptimization)优化SVR参数,以提高参数优化速度.为了验证改进算法的有效性,针对飞机方向舵损伤故障趋势进行了预测和分析,并与径向基函数神经网络(RBFNN,RadialBasisFunctionNeuralNet—work)方法进行了对比,仿真结果表明SMO—SVR预测模型具有很好的预测能力.
故障趋势预测、支持向量回归、序贯最小优化、舵面损伤、相空间重构
38
TP206.3(自动化技术及设备)
国家自然科学基金;国家自然科学基金
2013-01-27(万方平台首次上网日期,不代表论文的发表时间)
共6页
1300-1305