基于油液光谱LSSVR-AR模型的发动机故障预测

作者：徐超; 张培林; 任国全; 李兵; 吴定海

来源：内燃机学报, 2010, (02): 160-164.

• 最小二乘支持向量回归
• AR模型
• 非平稳时间序列建模
• 油液光谱数据预测
• 故障预测 Least square support vector regression
• Auto-regression model
• Non-stationary time series modeling
• Oil spectrum data prediction
• Fault prediction

针对传统油液光谱数据预测模型精度有限的不足,提出了一种基于最小二乘支持向量回归(LSSVR)与AR模型相结合的非平稳时间序列建模方法(LSSVR-AR),并应用于某型履带车辆发动机油液光谱数据及故障的预测。首先对非平稳时间序列进行最小二乘支持向量回归,得到非平稳时间序列的趋势项及剔除趋势项后的随机项;然后对随机项建立AR模型并与趋势项的LSSVR模型组合,得到非平稳时间序列模型;最后用所建模型对油液光谱数据及发动机故障进行预测。用所提建模方法对Fe、Cu、Pb、Si光谱数据预测的平均绝对百分比误差分别为1.987%、2.889%、2.343%、6.860%,明显低于其他模型。实例证明,所提模型...

• 单位
  中国人民解放军陆军工程大学