基于GA优化BP算法的滑油状态监测

滑油状态的监测与分析是航空发动机状态监测与故障诊断的重要手段。为了解决以往滑油金属质量分数预测模型算法的局部性、收敛速度慢及预测结果误差大等问题，结合遗传算法（GA）收敛速度快、鲁棒性好等优点，对反向传播（BP）神经网络算法进行GA优化，通过GA对参数寻优，并应用于发动机滑油金属质量分数预测。由于滑油的状态参数并不能确定部件故障与否，利用贝叶斯（Bayes）决策规则对诊断结果进行了错误率计算。将所提方法应用于某航空发动机滑油铁质量分数预测，结果表明：采用GA优化后的BP神经网络（GA-BP）得到的预测结果具有更高的精度，其最大预测误差不超过6%，平均预测误差为1.7%，所测数据与原数据具有较好的拟合性，利用Bayes决策规则对诊断结果进行分析，对于部件故障与否的判别更具说服力。

Lubricating Oil Condition Monitoring Based on Genetic Algorithm Optimized Back Propagation Algorithm