基于混沌粒子群优化LS-SVM的发动机磨损状态监测研究

被引：6

作者：

邓森 ^{[1
]}

杨军锋 ^{[1
]}

杨朴 ^{[2
]}

陈冰 ^{[1
]}

机构：

[1] 空军工程大学工程学院

[2] 陆军航空兵学院飞行理论系

来源：

计算机测量与控制 | 2011年 / 19卷 / 08期

关键词：

最小二乘支持向量机; 混沌粒子群算法; 磨损; 状态监控;

D O I：

10.16526/j.cnki.11-4762/tp.2011.08.025

中图分类号：

TP183 [人工神经网络与计算]; TM307 [电机维护与检修];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 080801 ;

摘要：

基于混沌PSO算法优化最小二乘支持向量机实现航空发动机磨损状态监测;通过小波包分解消除润滑油光谱数据的噪声,获取LS-SVM的训练与测试样本;针对最小二乘支持向量机解决大规模数据样本回归问题时所出现的训练时间长、收敛速度慢等缺点,提出了混沌PSO算法优化LS-SVM的模型参数;该方法不仅克服了传统PSO算法早熟、容易陷入局部最小值等缺点,同时显著提高了最小二乘支持向量机的预测能力;最后,将一般LS-SVM和GM(1,1)模型的预测结果与文中预测结果进行对比,该方法构建的模型对测试样本产生的预测误差仅为0.0441,验证了该方法在预测精度上具有明显优势。

引用

页码：1853 / 1856

页数：4

共 8 条

[1] 基于模糊SVM和虚拟仪器的模拟电路故障诊断研究 [J].