科研之友
微信
新浪微博
Facebook
分享链接
摘要
支持向量机方法应用于发动机油液磨粒与故障关系预测时,常出现稀疏性不强、计算量大、核函数必须满足Mercer条件等问题。针对这一问题,在原理介绍和推导的基础上,利用某型航空发动机滑油光谱分析得到的237组数据中的7种金属磨粒浓度及其对应的发动机工作状态,对相关向量机预测方法进行了检验。采用相关向量机、最小二乘支持向量机和反向传播神经网络方法,对发动机工作状态进行预测。结果表明,在同等条件下,与LSSVM和BP-NN相比,RVM拥有计算量较少、预测时间较短,精度较高等优势,可广泛应用于发动机油液磨粒分析与故障预测。
-
单位空军工程大学理学院
