点击次数：

所属单位：民航学院

发表刊物：航空动力学报

关键字：航空发动机;参数预测;模糊信息粒化;K-折交叉验证;遗传算法;支持向量机(SVM);

摘要：提出采用模糊信息粒化(FIG)和优化的支持向量机(SVM)来预测航空发动机参数的变化趋势和变化空间。利用模糊信息粒化方法对性能参数进行粒化处理。以K-CV验证误差最小作为优化目标,采用遗传算法(GA)实现支持向量机惩罚参数和核函数参数的自适应优化选择;训练SVM模型并进行并对模糊粒子非线性预测。利用某航空公司的某型航空发动机性能参数监测数据进行验证,结果表明:该算法可以有效实现航空发动机性能参数变化趋势和变化空间预测。在实例基础上分析了窗口大小对算法预测精度的影响以及算法多步预测的效果,得出算法最佳窗口大小为3个数据且算法3步以内预测误差小于10%。

是否译文：否

发表时间：2017-12-13

合写作者：张建,曹愈远,张丽娜

通讯作者：李艳军