论文部分内容阅读
针对飞行器健康状况难以准确预测的问题，结合GM（1，1）模型和MGM（1，n）模型的各自优点，提出了基于组合预测模型对飞行器健康信息进行预测的新方法。首先对由声发射传感器募集到的飞行器关键部件原始声发射信号进行五级sym4小波分解，分别提取其第五层小波分解系数的绝对值平均值、标准差和奇异值三种特征向量；然后分别用GM（1，1）模型和MGM（1，n）模型对绝对值平均值进行预测，利用BP神经网络将这两种模型的预测结果作为输入、原始数据作为输出进行组合预测。实验表明，这种组合预测方法可以很好地实现对飞行器关键部