本文關(guān)鍵詞：基于SVR的航空發(fā)動機滑油金屬含量預測方法

  更多相關(guān)文章： 金屬含量預測 粒子群算法 局部最優(yōu) 散射模型 松弛系數(shù)

【摘要】：利用支持向量回歸機(SVR)對航空發(fā)動機滑油中金屬含量進行預測時,通常利用粒子群算法優(yōu)化支持向量回歸機中的參數(shù)。而隨著迭代的深入,可能出現(xiàn)粒子陷入局部最優(yōu)的情況。通過建立粒子散射模型對這部分粒子進行重定位,使之快速跳出局部最優(yōu)。引入松弛系數(shù)p,對慣性參數(shù)ω進行調(diào)節(jié),使整個算法快速收斂。仿真實驗表明,算法有助于粒子收斂于全局最優(yōu)點,提高了滑油中金屬含量的預測精度。
【作者單位】： 四川大學空天科學與工程學院;
【關(guān)鍵詞】： 金屬含量預測 粒子群算法 局部最優(yōu) 散射模型 松弛系數(shù)
【基金】：國家自然科學基金資助項目(51075286)
【分類號】：V228.2;TP18
【正文快照】： 通過對航空發(fā)動機潤滑油中金屬含量的監(jiān)測和分析,可以知道發(fā)動機內(nèi)部軸承,活塞,齒輪等的磨損情況。把采集到的歷史金屬含量值作為預測樣本,利用機器學習的方法,可對金屬含量值進行預測,實現(xiàn)對發(fā)動機零部件磨損情況的預判,從而為發(fā)動機的維護提供有效的判斷依據(jù)。目前常用的辦，

本文編號：626757