基于自适应变异PSO-SVM的APU性能参数预测模型

作者：王坤; 侯树贤; 王力

来源：系统工程与电子技术, 2021, 43(02): 526-536.

• 辅助动力装置
• 粒子群优化算法
• 性能参数预测
• 支持向量机

为提高辅助动力装置(auxiliary power unit,APU)性能参数预测的精度,针对支持向量机(support vector machine,SVM)模型在实际使用中遇到的参数选择问题,采用自适应变异粒子群优化(particle swarm optimization,PSO)算法实现对SVM惩罚参数和核参数的优化选择,提出一种基于自适应变异PSO算法优化SVM的APU性能参数预测模型。进一步分析了预测模型不同预测步长对短期预测精度的影响。利用某型APU性能参数数据进行了验证,并与多种预测模型进行了对比实验。实验结果表明,对于排气温度(exhaust gas temperature,EGT)的预测,自适应变异PSO-SVM模型的平均绝对百分比误差(mean absolute percentage error,MAPE)比标准PSO-SVM模型低47%;对于滑油温度(oil temperrature,OT)的预测,自适应变异PSO-SVM模型的MAPE比标准PSO-SVM低29%,为短期APU性能变化趋势预测提供了一定的参考。

• 单位
  自动化学院; 中国民航大学