基于數(shù)據(jù)挖掘的發(fā)動機(jī)持久試車中的趨勢預(yù)測.pdf

1、飛機(jī)誕生至今100多年，已經(jīng)進(jìn)入噴氣時代，各種新型飛機(jī)層出不窮，應(yīng)用范圍越來越廣，飛機(jī)發(fā)動機(jī)的工作環(huán)境也越加復(fù)雜。隨著航空發(fā)動機(jī)向高壓比、高溫度、高推重比的方向發(fā)展，其零部件工作應(yīng)力水平大大提高。同早期相比，現(xiàn)代發(fā)動機(jī)雖然采用了新材料，新技術(shù)，但由于發(fā)動機(jī)的結(jié)構(gòu)更加復(fù)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(jī)趨勢預(yù)測技術(shù)具有重要的理論意義和應(yīng)用價值。
　　本文主要研究數(shù)據(jù)挖掘技術(shù)在航空發(fā)動機(jī)趨

2、勢預(yù)測中的應(yīng)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(xùn)練神經(jīng)網(wǎng)絡(luò)相結(jié)合的組合預(yù)測模型。組合模型將灰色系統(tǒng)與神經(jīng)網(wǎng)絡(luò)融合，構(gòu)造一種組合模型，取長補短，對復(fù)雜的不確定性問題進(jìn)行更好的求解。此外組合模型用PSO算法代替標(biāo)準(zhǔn)BP算法訓(xùn)練神經(jīng)網(wǎng)絡(luò)，收斂速度快，且不容易陷入局部極小值。對排氣溫度預(yù)測和振動趨勢預(yù)測分別進(jìn)行了組合方法與單一方法的對比實驗，實驗結(jié)果表明，組合方法在3步以內(nèi)的短期預(yù)測優(yōu)于單獨使用灰色模型或神

3、經(jīng)網(wǎng)絡(luò)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(jī)模型。該模型用模糊支持向量機(jī)取代標(biāo)準(zhǔn)支持向量機(jī)回歸模型，在訓(xùn)練數(shù)據(jù)樣本中引入隸屬度函數(shù)，以區(qū)別不同時期的數(shù)據(jù)樣本對模型的不同重要程度。為了解決模糊支持向量機(jī)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(jī)模型的參數(shù)進(jìn)行優(yōu)化。分別對排氣溫度和振動趨勢進(jìn)行了預(yù)測實驗，實驗結(jié)果表明，模糊支持向量機(jī)能夠?qū)ε艢鉁囟群驼駝于厔葸M(jìn)行有效預(yù)測，并且采用粒子群算法優(yōu)化參數(shù)能夠明顯改