為了提高液體火箭發(fā)動(dòng)機(jī)故障檢測(cè)的精確性,采用基于粒子群算法優(yōu)化最小二乘支持向量機(jī)的方法,通過故障部件的預(yù)測(cè)變化值與其對(duì)應(yīng)的標(biāo)準(zhǔn)閾值比較,進(jìn)而檢測(cè)發(fā)動(dòng)機(jī)某一時(shí)刻是否發(fā)生故障。首先采用Euclid距離公式計(jì)算粒子群算法迭代過程中粒子之間的相似度,通過隨機(jī)變異的方式來重新調(diào)整粒子的位置,避免算法陷入局部最優(yōu),得到了一種改進(jìn)的粒子群算法尋找最優(yōu)值。然后,用此改進(jìn)算法對(duì)最小二乘支持向量機(jī)進(jìn)行參數(shù)優(yōu)化,建立預(yù)測(cè)模型。結(jié)果表明,SPSO-LSSVM預(yù)測(cè)模型較BPSO-LSSVM模型及LSSVM模型具有較好的故障檢測(cè)精度。 

【文章來源】：計(jì)算機(jī)仿真. 2020,37(05)北大核心

【文章頁數(shù)】：6 頁

【圖文】：

BPSO-LSSVM適應(yīng)度變化曲線

依據(jù)SPSO算法、BPSO算法所得尋優(yōu)結(jié)果,建立基于不同推力的液體火箭發(fā)動(dòng)機(jī)預(yù)測(cè)模型。圖3、圖4分別為SPSO-LSSVM、BPSO-LSSVM模型對(duì)測(cè)試集數(shù)據(jù)進(jìn)行預(yù)測(cè)處理后的輸出結(jié)果。對(duì)比可得,兩圖的預(yù)測(cè)值均能較好的跟蹤實(shí)際計(jì)算值,但SPSO-LSSVM預(yù)測(cè)模型與液體火箭發(fā)動(dòng)機(jī)推力實(shí)際情況更加切合,對(duì)應(yīng)預(yù)測(cè)曲線擬合效果明顯優(yōu)于其它模型,具有較強(qiáng)預(yù)測(cè)能力。選用SPSO算法訓(xùn)練出的核寬度、正則化參數(shù),利用單一LSSVM建立液體火箭發(fā)動(dòng)機(jī)推力不同的預(yù)測(cè)模型,對(duì)測(cè)試集數(shù)據(jù)進(jìn)行預(yù)測(cè)處理后的輸出結(jié)果如圖5,與圖3比較可得,SPSO預(yù)測(cè)值能更好的跟蹤實(shí)際值。圖4 標(biāo)準(zhǔn)PSO-LSSVM模型測(cè)試集預(yù)測(cè)結(jié)果

標(biāo)準(zhǔn)PSO-LSSVM模型測(cè)試集預(yù)測(cè)結(jié)果

【參考文獻(xiàn)】：
期刊論文
[1]基于VMD能量熵與支持向量機(jī)的齒輪故障診斷[J]. 張超,朱騰飛,王大勇.  機(jī)械設(shè)計(jì)與研究. 2018(02)
[2]基于遺傳算法優(yōu)化的支持向量機(jī)在齒輪故障聲發(fā)射檢測(cè)中的應(yīng)用[J]. 于洋,白瑞,楊平.  機(jī)械傳動(dòng). 2018(01)
[3]改進(jìn)粒子群算法優(yōu)化支持向量機(jī)在故障診斷中的應(yīng)用研究[J]. 孫瑤琴.  計(jì)算機(jī)測(cè)量與控制. 2017(03)
[4]航空發(fā)動(dòng)機(jī)控制系統(tǒng)傳感器故障診斷仿真研究[J]. 王濤,薛薇,呂淮北.  計(jì)算機(jī)仿真. 2016(02)
[5]整體改進(jìn)的基于支持向量機(jī)的故障診斷方法[J]. 焦衛(wèi)東,林樹森.  儀器儀表學(xué)報(bào). 2015(08)
[6]一種改進(jìn)的顯性多核支持向量機(jī)[J]. 張凱軍,梁循.  自動(dòng)化學(xué)報(bào). 2014(10)
[7]一種改進(jìn)的簡化粒子群算法[J]. 黃太安,生佳根,徐紅洋,黃澤峰.  計(jì)算機(jī)仿真. 2013(02)

博士論文
[1]新一代大推力液體火箭發(fā)動(dòng)機(jī)故障檢測(cè)與診斷關(guān)鍵技術(shù)研究[D]. 李艷軍.國防科學(xué)技術(shù)大學(xué) 2014
[2]航天器推進(jìn)系統(tǒng)基于定性模型的故障診斷方法研究[D]. 晏政.國防科學(xué)技術(shù)大學(xué) 2013



本文編號(hào)：3468704