基于BAS_RVM的APU涡轮剩余寿命预测

来源 :南京航空航天大学学报 | 被引量 : 0次 | 上传用户:danfengtaoyang
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
提出一种优化相关向量机的寿命预测方法,并用于对辅助动力系统(Auxiliary power unit,APU)涡轮的剩余寿命预测.首先,提出了改进的核函数,兼顾效率和精度,用天牛须搜索(Beetle antennae search,BAS)算法对相关向量机的核参数进行优化,建立寿命预测模型;然后,对历史数据进行分析,提取排气温度(Exhaust gas temperature,EGT)并进行修正、降噪,用多项式回归建立了EGT的涡轮性能退化模式库;最后,实例验证表明,文中算法在APU涡轮剩余寿命预测上与传统相关向量机相比效率提高40%,精度提高20%,通过敏感性分析确定了最佳的初始步长和输入维度.
其他文献
针对航材消耗预测影响因素多,结合航材消耗特点,研究粗糙集(Rough set,RS)与支持向量机(Support vector machine,SVM)相互融合的航材消耗预测问题.通过RS不完备信息系统的属性约简剔除航材消耗信息系统中冗余的定量因素,在属性重要性基础上将7个影响因素约简为3个影响因素,保留了该系统的核心知识.引入粒子群算法(Particle swarm optimization,PSO)优化SVM模型,寻优得到的参数组合,建立RS-PSO-SVM航材消耗预测模型.实例分析表明,RS-PSO
无人机集群作战已成为一种新兴作战模式.面对日益错综复杂的战场环境,无人机集群对抗博弈是一个重要的研究方向.本文以无人机集群空地对抗为背景,研究无人机集群的对抗博弈过程.分析战场态势的关键因素,通过空间状态矩阵表征战场态势,基于战场态势的动态变化提出自适应权重的经验表达式,并以此给出博弈双方的动态目标收益函数,建立非完全信息下的无人机集群空地对抗博弈模型.仿真验证了自适应权重的合理有效性.本研究为无人机集群空地对抗的动态决策提供了一种新方法.
针对视距1vs.1空战场景下无人战斗机(Unmanned combat aerial vehicle,UCAV)的自主机动决策,提出了一种基于模糊推理的空战机动决策方法.首先,从空战场景出发,建立了角度、距离、速度及高度4种优势因子;其次,利用模糊规则对空战态势进行评估,将代表空战态势的优势因子输入模糊推理机,自适应地调整优势函数中各因子的权重;同时,利用决策机动、序列机动和惯性机动相结合的方法建立敌机位置预测模型,作为机动决策的辅助手段,最后利用试探机动进行机动决策.仿真结果表明模糊推理模型能够实现UC
随着低空空域开放进程的不断加速,低空航路规划的重要性逐渐显现.航路作为航空器运行的主要媒介,可以保证航空器安全高效的运行.当前,为解决尚未统一的低空航路划设规范与日益增长的低空航空器运行需求之间的矛盾,必须针对复杂低空空域环境特点,构建完备、合理的低空航路规划体系.首先,从城市低空航路规划的相关概念和发展历程出发,重点梳理航路相关概念;其次,基于中国空域管理特点与未来低空发展趋势,融合空域规划、基础设施建设、航路构建、运行评估等多方面的理论研究,提出城市低空航路规划框架体系;最后,剖析城市低空航路规划所面