基于EMD和RVM-AR的航空发动机磨损故障预测模型附视频

针对滑油光谱数据的非线性非平稳特性及现有预测方法的不足,提出了一种基于经验模态分解(EMD)和相关向量机-自回归模型(RVM)的预测方法;首先,利用EMD算法将序列分解为若干固有模态函数(IMF)和残余函数(RF),分离原始数据中的趋势项和随机项;然后,建立各IMF分量的AR模型和RF分量的RVM模型,以留一交叉验证误差作为适应度函数,采用量子粒子群优化算法进化搜索RVM的最优核参数和嵌入维数;最后,将各AR模型和RVM模型的预测值叠加作为最终预测值;实验结果表明:相比AR和SVM方法,该方法具有较高的预测精度,Fe元素的平均相对预测误差分别提高了15%和6%,Si元素的平均相对预测误差分别提高了49%和23%。