基于模糊粒度相关向量机的缓变故障参数区间预测

摘要：

为解决相关向量机(RVM)在多样本故障预测中存在的预测精度下降和运算效率低等不足,提出一种基于模糊粒度相关向量机(FGRVM)的缓变故障参数区间预测方法.首先,对参数初始时间序列进行模糊信息粒化(FIG),并采用基于指数相似度的约简方法对训练集中的冗余数据进行约简;然后,使用自适应极值扰动和自适应变异对简化粒子群算法(tsPSO)进行改进,并以4折交叉验证误差最小为优化目标,采用该粒子群算法(itsPSO)实现相关向量机核宽度的自适应选择;最后,采用训练好的RVM预测缓变故障参数的变化区间.以3个经典的大规模、非线性、带噪声的时间序列及国航某航空发动机排气温度变化量(DEGT)为例对该方法的预测性能进行验证,仿真结果表明,相对于RVM和模糊粒度支持向量机(FGSVM),该方法在预测精度和运算效率上都有较大的提高.

关键词：缓变故障、区间预测、模糊信息粒化、相关向量机、约简、粒子群算法

分类号：V263.6;TP206+.3(航空制造工艺)

在线出版日期：2017-09-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：5-12