基于相关分析和组合神经网络的退化预测

被引：6

作者：

党香俊

姜同敏

机构：

[1] 北京航空航天大学可靠性与系统工程学院

来源：

北京航空航天大学学报 | 2013年 / 01期

关键词：

退化预测; 剩余寿命; 小波神经网络; 相关分析;

D O I：

10.13700/j.bh.1001-5965.2013.01.015

中图分类号：

V267 [航空器的维护与修理];

学科分类号：

摘要：

产品剩余寿命预测是加速退化试验和故障预测与健康管理两大热点领域中的关键技术之一.为了解决复杂退化的预测问题,提出了一种新型预测方法,对退化轨迹能够实现较长距离的预测.此方法首先对复杂退化数据进行小波变换,通过Durbin-Watson方法和偏相关图分析各级分解序列的自相关性,最后根据序列的特点,组合BP(Back Propagation)和小波神经网络对退化轨迹进行预测.为了验证所提组合神经网络方法的有效性,采用小波神经网络的预测结果进行对比分析.实际退化数据的预测结果表明,所提方法比单独采用小波神经网络,具有更小的均方差(MSE,Mean Square Error),对剩余寿命(RUL,Remaining Useful Life)也具有更高的预测精度.

引用

页码：42 / 46+51 +51

页数：6

共 4 条

[1] 基于维纳过程金属化膜电容器的剩余寿命预测 [J].

王小林 ;

程志君 ;

郭波 .

国防科技大学学报, 2011, 33 (04) :146-151

[2] 基于加速磨损试验的止推轴承磨损寿命预测 [J].

周玉辉 ;

康锐 ;

苏荔 ;

吴建军 .

北京航空航天大学学报, 2011, 37 (08) :1016-1020

[3]

Automatic diagnostics and prognostics of energy conversion processes via knowledge-based systems[J] . Tatiana Biagetti,Enrico Sciubba.Energy . 2004 (12)

[4] Self-organising neural networks for automated machinery monitoring systems [J].

Zhang, S ;

Ganesan, R ;

Xistris, GD .

MECHANICAL SYSTEMS AND SIGNAL PROCESSING, 1996, 10 (05) :517-532

← 1 →