基于數(shù)據挖掘的發(fā)動機持久試車中的趨勢預測.pdf

1、飛機誕生至今100多年，已經進入噴氣時代，各種新型飛機層出不窮，應用范圍越來越廣，飛機發(fā)動機的工作環(huán)境也越加復雜。隨著航空發(fā)動機向高壓比、高溫度、高推重比的方向發(fā)展，其零部件工作應力水平大大提高。同早期相比，現(xiàn)代發(fā)動機雖然采用了新材料，新技術，但由于發(fā)動機的結構更加復雜，工作環(huán)境更加惡劣，過早損壞、空中事故等情況還是時有發(fā)生。因此，研究航空發(fā)動機趨勢預測技術具有重要的理論意義和應用價值。
　　本文主要研究數(shù)據挖掘技術在航空發(fā)動機趨

2、勢預測中的應用。本文所做的工作和主要創(chuàng)新點有：
　　提出了一種灰色模型與PSO訓練神經網絡相結合的組合預測模型。組合模型將灰色系統(tǒng)與神經網絡融合，構造一種組合模型，取長補短，對復雜的不確定性問題進行更好的求解。此外組合模型用PSO算法代替標準BP算法訓練神經網絡，收斂速度快，且不容易陷入局部極小值。對排氣溫度預測和振動趨勢預測分別進行了組合方法與單一方法的對比實驗，實驗結果表明，組合方法在3步以內的短期預測優(yōu)于單獨使用灰色模型或神

3、經網絡模型。
　　提出了一種基于粒子群算法參數(shù)優(yōu)化的模糊支持向量機模型。該模型用模糊支持向量機取代標準支持向量機回歸模型，在訓練數(shù)據樣本中引入隸屬度函數(shù)，以區(qū)別不同時期的數(shù)據樣本對模型的不同重要程度。為了解決模糊支持向量機參數(shù)確定困難的問題，采用粒子群算法對模糊支持向量機模型的參數(shù)進行優(yōu)化。分別對排氣溫度和振動趨勢進行了預測實驗，實驗結果表明，模糊支持向量機能夠對排氣溫度和振動趨勢進行有效預測，并且采用粒子群算法優(yōu)化參數(shù)能夠明顯改