基于组合优化相关向量机的航空发动机性能参数概率预测方法

针对航空发动机性能参数预测过程中存在的不确定因素,提出一种基于组合优化相关向量机(CORVM)的概率预测方法.首先,通过正交小波变换将性能参数序列分解为具有不同特征尺度的随机分量和趋势分量,并分别建立各分量的相关向量机(RVM)回归预测模型.然后,以留一交叉验证误差最小作为优化目标,采用量子粒子群优化(QPSO)算法实现RVM核参数和嵌入维数的自适应优化选择.最后,组合各RVM回归预测模型得到最终预测均值及方差,进而得到预测值的概率分布.通过航空发动机排气温度变化量和滑油金属含量预测实例验证了方法的有效性,实验结果表明:该方法能够有效避免传统点预测方法可能导致的不可靠结果,并具有比单一模型更高的预测精度.     

基于误差预测修正的液体火箭发动机故障预测方法研究

为解决液体火箭发动机故障预测这一难题,提出一种基于误差预测修正的故障预测方法。在历史数据的基础上建立小波过程神经网络故障预测模型,同步计算学习样本的预测误差,根据上述误差建立双并联离散过程神经网络预测模型。预测时,将预测误差值实时补偿到小波过程神经网络预测模型以提高预测精度。通过液体火箭发动机地面试验中的涡轮泵数据对该方法进了验证。结果表明,该方法在预测精度和适应能力上较单一的过程神经网络预测模型有显著提高,进行10步预测时,预测值的标准化均方根误差为0.392,预测平均耗时为76ms,能够用于解决液体火箭发动机故障预测问题。     

卫星参数趋势预测EMA熵组合算法

卫星遥测参数的趋势变化状态对卫星故障预测的判断起到重要的指导作用,立足于遥测参数特性,提出等高线预测方法,从特征数据出现的时刻对参数进行趋势预测。为了提高预测精度,引入EMA(增加期望模式)误差分析模式,结合之前提出的新息灰预测模型,根据熵组合基本原理建立基于EMA熵组合预测模型。通过工程数据仿真计算,并利用预测有效度对各种算法进行评估,结果验证了基于EMA的熵组合预测模型的正确性和可靠性。     

基于支持向量回归机的数控机床 几何误差元素建模研究

针对数控机床几何误差元素建模时面临的误差样本数据少且呈非线性的问题,研究在小样本数据集非线性回归分析中具有独特优势的支持向量回归机,并基于此建立数控机床几何误差元素的预测模型。分析现有几何误差检测中常用的九线法所存在的测量选点难和计算累积误差等问题,提出增加每条测量线垂直方向直线度的测量和修正误差项计算模型的改进方法。以高斯径向基核函数为支持向量回归模型的核函数,运用交叉验证法,选取合适的模型参数,求解凸二次规划问题,进而建立几何误差元素的预测模型。以QLM27100–5X五轴龙门机床X轴为例,基于改进的九线法进行测量辨识得到几何误差样本数据,然后分别基于支持向量回归机和最小二乘法建立几何误差元素预测模型,对比两个模型的预测精度,结果显示,前者的预测均方差值MSE为0.0238,小于后者的0.072,验证了支持向量回归模型在小样本集下具有更高的预测精度。     

润滑油质量组合预测

以某自行火炮润滑油氧化程度光谱分析数据为基础,利用线性回归理论、灰色理论及组合预测理论建立了润滑油的氧化程度预测模型,并且分析各模型在预测上的差异,验证了润滑油质量组合预测模型能够充分利用单一预测模型的有效信息,提高预测精度.     

航空活塞发动机大修成本的GM(1,1)优化预测模型

以某台Lycoming型航空活塞发动机2009年-2013年的大修费用为时间序列样本,对其进行准光滑检验和准指数规律检验,表明可以建立GM(1,1)模型。建立常规GM(1,1)模型,求得关联度、方差比、小误差概率等指标均为一级精度,但第7次预测的相对误差较大(5.22%)。为了得到较高预测精度,采用新陈代谢GM(1,1)优化模型,结果表明第7次预测的相对误差减小到0.18%,其余指标均保持一级精度。新陈代谢GM(1,1)模型适用于航空活塞发动机的大修成本预测。     

航空发动机磨损趋势RBF变权重组合预测方法研究

航空发动机滑油中金属元素的含量受许多复杂因素的影响,单一模型预测精度相对较低,本文针对这个问题提出了RBF网络变权重组合预测模型（RBFNN-VWCF）对航空发动机零部件的磨损趋势进行研究。首先引用C-C方法确定时间序列的嵌入维数和时间延时,重构相空间确定模型的输入输出样本,然后对两种模型进行组合预测,利用k均值聚类方法确定RBF网络的中心,利用固定法确定RBF网络的宽度,采用最小二乘法确定网络的权值。结果表明,RBFNN-VWCF模型充分利用了参与组合预测的两种模型的有效信息,更客观地反映发动机零部件的磨损趋势,预测结果更为稳健、相比单一模型精度更高,具有较强的工程实用价值,为发动机下一步的维修决策提供了有力支持。     

典型繁忙机场需求预测

在我国航空运输需求快速增长、运行压力不断增大的背景下,通过适宜的预测模型对于繁忙机场起降架次预测的研究及对于繁忙机场合理规划具有重要意义。建立了指数平滑预测法、灰色系统预测法、计量经济预测法3种典型且适合机场需求预测的单一预测模型,以及利用加权平均法对3种模型赋予权重后建立组合模型,选取首都机场和浦东机场2005—2019年的起降架次进行仿真验证。结果表明：采用组合预测方法可以更好地克服单一模型的缺陷,最大程度避免各种因素造成的极端数据的影响,可以有效降低误差,提高预测准确性。     

基于滑动时窗策略自适应优化支持向量机的航空发动机性能参数在线预测

针对传统航空发动机性能参数时间序列预测方法存在的不足,提出了基于滑动时窗策略自适应优化支持向量机(Support Vector Machine,SVM)在线预测模型。该方法解决了训练样本动态适应性差的特点和老旧数据信息影响预测模型精度的问题。在该方法中,滑动时窗策略实时更新时窗数据训练样本,最终误差预报准则(Final Prediction Error,FPE)自适应地确定嵌入维数,遗传算法(Genetic Algorithm,GA)则实时自适应优化SVM建模参数。应用航空发动机排气温度偏差值(Delta Exhaust Gas Temperature,DEGT)数据进行实例验证,结果表明基于滑动时窗策略的自适应GA优化的SVM (GASVM)在线预测模型比传统的GASVM预测模型预测精度有显著提高。进一步分析了预测模型不同时窗宽度对短期预测精度的影响,展示了1步～10步预测的效果,结果表明在线预测模型在不同时窗宽度下短中期(5步以内)预测效果良好且稳定。文中提出的在线预测模型可用于航空发动机性能参数的预测,实现对航空发动机未来性能变化的预警。     

基于GM(1,1)分段组合的宽体货机预测模型研究

航空货运市场是全球航空运输市场的重要组成部分,与全球经济、贸易的发展息息相关。航空货运市场的发展趋势及需求直接影响到货机市场的发展趋势及货机行业的发展规划。而作为全球航空货运市场的运输载体,货机尤其是远程宽体货机对货物的国际间运输和交流起到了至关重要的作用。当前主流的预测方法为根据需求与供应的对应关系进行预测,预测过程相对复杂,预测的精度相对较高,不足之处在于预测工作周期较长,难以快速获得预测的结果。根据当前灰色系统理论,建立了宽体货机机队预测的灰色预测模型GM(1,1),并用分段组合的方式,较为精确地预测宽体货机未来机队的发展情况,预测较为快速,效率较高,能满足一般精度的预测需求。     

多因素影响下舰载机备件需求的组合预测

舰载机列装时间较短,备件的样本数据较小,而且保障中受起落次数、飞行强度、海洋恶劣环境等因素影响较大。针对舰载机这一系列保障特点,选用了对多因素影响的小样本有较好预测效果的 BP神经网络、GM(1,N)预测模型和 SVM回归预测模型 3种预测方法,建立基于 IOWA算子的组合预测模型,以误差平方和为准则对数据进行分析,并利用 Matlab工具箱进行优化计算,从而得出最优组合预测结果。实例分析结果验证了该组合预测模型 的科学性和优越性。     

基于随机森林算法的航空发动机振动趋势预测

提出了基于随机森林算法的航空发动机振动趋势预测模型。阐述了随机森林算法的基本理论和计算步骤,采用C-C法计算了延迟时间和嵌入维数,对一维时间序列进行了相空间重构,并在此基础上建立了随机森林算法的预测模型。应用发动机振动试验数据进行了振动预测,并与利用相同训练数据建立的支持向量机预测模型的预测结果进行对比。结果表明,与支持向量机模型相比,随机森林算法预测模型的预测精度更高,泛化能力更强,操作方便,且计算效率更高。     

波音预测全球航空货运发展

4月10日,在“国际航空货运协会2006年年会”召开之际,作为全球90%航空货运运力的提供者,波音公司对未来航空货运的发展趋势进行了分析和预测。中国引领亚洲,亚洲引领世界波音公司预测,未来20年,全球航空货运将以每年6.2%的幅度递增,其中航空货物运输的增长速度超过邮件的增长速度,达到年均6.3%的增长率,同期,邮件的收入吨公里将以每年2.3%的速度稳定增长。到2023年,全球航空货运量将翻三倍以上,超过5065亿收入吨公里(如图1)。其中,国际航空货运的份额将占总货运量的83.7%,超过国内航空货运的份额。目前,美国航空承运人在全球市场所占份额约…     

嵌入维数自适应最小二乘支持向量机状态时间序列预测方法

 针对航空发动机状态时间序列预测中嵌入维数难于有效选取的问题,提出一种基于嵌入维数自适应最小二乘支持向量机(LSSVM)的预测方法。该方法将嵌入维数作为影响状态时间序列预测精度的重?问?以交叉验证误差为评价准则,利用粒子群优化（PSO）进化搜索LSSVM预测模型的最优超参数与嵌入维数,同时通过矩阵变换原理提高交叉验证过程的计算效率,并最终建立优化后的LSSVM预测模型。航空发动机排气温度（EGT）预测实例表明,该方法可自适应选取适用于状态时间序列预测的最优嵌入维数且预测精度高,适用于航空发动机状态时间序列预测。     

嵌入维数自适应最小二乘支持向量机状态时间序列预测方法

针对航空发动机状态时间序列预测中嵌入维数难于有效选取的问题,提出一种基于嵌入维数自适应最小二乘支持向量机(LSSVM)的预测方法.该方法将嵌入维数作为影响状态时间序列预测精度的重要参数,以交叉验证误差为评价准则,利用粒子群优化(PSO)进化搜索LSSVM预测模型的最优超参数与嵌入维数,同时通过矩阵变换原理提高交叉验证过程的计算效率,并最终建立优化后的LSSVM预测模型.航空发动机排气温度(EGT)预测实例表明,该方法可自适应选取适用于状态时间序列预测的最优嵌入维数且预测精度高,适用于航空发动机状态时间序列预测.     

航空装备关键件微动疲劳寿命预测

通过微动疲劳损伤机理分析,以微动疲劳接触应力计算入手,建立了航空装备关键件中一种较为普遍的圆柱/平面接触微动疲劳结构的有限元全局模型和子模型,通过边界条件误差和离散误差分析,提高了计算精度和计算效率。以断裂力学为基础,根据复合型裂纹断裂判据,用改进的裂纹闭合积分法计算了裂纹尖端应力强度因子,引入应力强度因子影响系数,建立了微动疲劳裂纹扩展寿命预测模型,确定了模型中的参数,通过预测寿命与试验值的对比验证了该模型的正确、有效性。     

燃烧室电火花点火模型

为了准确掌握影响航空发动机燃烧室点火边界的关键因素,并建立燃烧室点火边界预测模型,对单头部燃烧室的点火过程及点火边界进行了试验与理论研究。获取了燃烧室点火过程的火核生成与传播特性曲线,形成了拓宽燃烧室点火边界的优化方法,基于点火恢复时间建立了燃烧室点火边界预测模型,并对预测模型的精度进行验证。结果表明:提高喷嘴雾化性能是提升点火性能的最有效途径,点火模型预测结果与试验结果相符度较好,模型的最大误差小于20%,满足燃烧室工程设计需要。      

基于飞行试验数据的双转子航空发动机 加减速瞬态模型辨识

为辨识航空发动机飞行过程中加减速瞬态模型,通过对某型航空发动机慢车至中间以及中间至慢车过程的飞行试验数据进行分析整理,将发动机上述加、减速过程简化为静态参数预测过程,利用3层前向人工神经网络,建立了某型发动机加、减速瞬态过程中的发动机关键参数预测模型,对发动机参数预测模型预测结果与飞行试验记录数据进行了对比分析,同时利用额外的飞行试验数据验证了辨识模型的泛化能力.结果表明:辨识得到的发动机模型在油门杆稳定时参数预测相对误差不超过3％,在油门杆动作期间参数预测相对误差不超过5％;验证点上辨识模型参数预测误差不超过3％.证明该型发动机参数预测模型可以很好地预测发动机瞬态过程中的参数变化情况.该方法为建立发动机其他状态的加、减速过程参数变化模型奠定了基础,也能为建立全包线范围内发动机瞬态参数预测模型提供参考.     

支持向量机时间序列预测模型的参数影响分析与自适应优化

建立在统计学习理论和结构风险最小原则上的支持向量机在理论上保证了模型的最大泛化能力,因此与建立在经验风险最小原则上的神经网络模型相比,理论上更为完善.本文运用支持向量机建立时间序列预测模型,研究影响模型预测精度的相关参数,在分析参数对时间序列预测精度的影响基础上,提出用遗传算法建立支持向量机预测模型的参数自适应优化算法.最后,用太阳黑子数据和航空发动机油样光谱数据进行了预测分析.算例表明了本文算法的正确性.     

基于递归径向基神经网络的航空发动机盘腔瞬态壁温预测

针对航空发动机空气系统盘腔瞬态壁温动态预测难的问题,提出了一种基于径向基神经网络的递归预测模型。通过时序数据多维重构的方法建立训练样本,强化径向基神经网络对“时滞性”的预测能力,分析了模型固有超参数和由多维重构引入抽样控制参数对模型预测精度的影响。采用简化的典型盘腔壁面换热模型结合公开的试验历程转速数据,构建了供模型训练和测试的瞬态壁温数据样本,以递归调用模型的方式完成了对测试样本时序数据的预测和验证。结果表明,与常规的径向基神经网络预测模型相比,该模型的平均相对预测偏差由3.0%降低至0.45%,有效提升了模型的预测精度。为航空发动机盘腔瞬态壁温异常监控及超温排故问题提供了一种新的预判方法。