Kalman融合模型在无人装备关键部件寿命预测中的应用

作者：孙兴奇; 赵爱罡; 葛春^*; 钟建强; 许倍榜; 刘茜萱; 寇峰

来源：电光与控制, 2023, 30(06): 107-113.

• 剩余寿命预测
• GM(1,1)模型
• 极端学习机(ELM)
• SVR支持向量机
• Kalman融合模型

无人装备一般数量众多、执行任务时间长、环境恶劣，因此剩余使用寿命(RUL)预测尤为重要。综合性能指标序列使用单一模型的预测精度较低，为解决此问题，提出基于Kalman融合模型的RUL预测方法。首先，采用面积最大值法提取无人装备关键部件综合性能指标的退化阶段；其次，利用具有指数特征的GM(1,1)模型、线性支持向量机SVR模型、非线性极端学习机(ELM)模型对综合性能指标进行预测，每种模型可以捕捉综合性能指标的不同特征；最后，通过Kalman框架将3种模型的预测结果以迭代最小二乘的原则进行融合。实验结果显示，Kalman融合模型的预测方法可显著提高对综合性能指标的预测精度，与ELM,SVR和GM(1,1)单一模型相比，拟合精度分别提高了16.96%,1.61%和39.84%,预测精度分别提高了45.06%,38.35%和74.12%。