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
