基于ELM-SVR模型的装备关键部件寿命预测

作者：范小虎; 赵爱罡; 许强; 葛春^*; 李瑞帅; 张猛; 刘茜萱

来源：科学技术与工程, 2023, 23(02): 640-647.

• 剩余寿命预测
• KELM模型
• ELM极端学习机
• SVR支持向量机

装备关键部件数量众多，其性能决定了武器系统的健康寿命。为解决单一模型预测精度不高的问题，提出了基于ELM-SVR模型的剩余寿命预测方法。ELM模型为单隐层网络，输出拟合采用样本权重相同线性回归方法，存在特征辨识度不高，预测泛化能力不强的问题，将ELM模型与SVR模型融合，在ELM神经元基础上使用核函数进一步提高特征的辨识度，以软间隔拟合函数代替线性回归对输出进行拟合，突出了样本权重，有效提升了剩余寿命预测的泛化能力。依据多个装备关键部件的综合性能指标对其进行剩余寿命预测，实验结果表明：与ELM、SVR、KELM模型相比，平均预测精度分别提高了57.14%、44.44%、11.76%,可见ELM-SVR模型具有一定的泛化能力与鲁棒性，可显著提高剩余使用寿命预测精度。