当前位置:主页 > 科技论文 > 航空航天论文 >

改进PSO优化LSSVM的液体火箭发动机故障检测

发布时间:2021-10-31 19:18
  为了提高液体火箭发动机故障检测的精确性,采用基于粒子群算法优化最小二乘支持向量机的方法,通过故障部件的预测变化值与其对应的标准阈值比较,进而检测发动机某一时刻是否发生故障。首先采用Euclid距离公式计算粒子群算法迭代过程中粒子之间的相似度,通过随机变异的方式来重新调整粒子的位置,避免算法陷入局部最优,得到了一种改进的粒子群算法寻找最优值。然后,用此改进算法对最小二乘支持向量机进行参数优化,建立预测模型。结果表明,SPSO-LSSVM预测模型较BPSO-LSSVM模型及LSSVM模型具有较好的故障检测精度。 

【文章来源】:计算机仿真. 2020,37(05)北大核心

【文章页数】:6 页

【图文】:

改进PSO优化LSSVM的液体火箭发动机故障检测


BPSO-LSSVM适应度变化曲线

模型图,测试集,模型,火箭发动机


依据SPSO算法、BPSO算法所得寻优结果,建立基于不同推力的液体火箭发动机预测模型。图3、图4分别为SPSO-LSSVM、BPSO-LSSVM模型对测试集数据进行预测处理后的输出结果。对比可得,两图的预测值均能较好的跟踪实际计算值,但SPSO-LSSVM预测模型与液体火箭发动机推力实际情况更加切合,对应预测曲线拟合效果明显优于其它模型,具有较强预测能力。选用SPSO算法训练出的核宽度、正则化参数,利用单一LSSVM建立液体火箭发动机推力不同的预测模型,对测试集数据进行预测处理后的输出结果如图5,与图3比较可得,SPSO预测值能更好的跟踪实际值。图4 标准PSO-LSSVM模型测试集预测结果

模型图,测试集,模型


标准PSO-LSSVM模型测试集预测结果

【参考文献】:
期刊论文
[1]基于VMD能量熵与支持向量机的齿轮故障诊断[J]. 张超,朱腾飞,王大勇.  机械设计与研究. 2018(02)
[2]基于遗传算法优化的支持向量机在齿轮故障声发射检测中的应用[J]. 于洋,白瑞,杨平.  机械传动. 2018(01)
[3]改进粒子群算法优化支持向量机在故障诊断中的应用研究[J]. 孙瑶琴.  计算机测量与控制. 2017(03)
[4]航空发动机控制系统传感器故障诊断仿真研究[J]. 王涛,薛薇,吕淮北.  计算机仿真. 2016(02)
[5]整体改进的基于支持向量机的故障诊断方法[J]. 焦卫东,林树森.  仪器仪表学报. 2015(08)
[6]一种改进的显性多核支持向量机[J]. 张凯军,梁循.  自动化学报. 2014(10)
[7]一种改进的简化粒子群算法[J]. 黄太安,生佳根,徐红洋,黄泽峰.  计算机仿真. 2013(02)

博士论文
[1]新一代大推力液体火箭发动机故障检测与诊断关键技术研究[D]. 李艳军.国防科学技术大学 2014
[2]航天器推进系统基于定性模型的故障诊断方法研究[D]. 晏政.国防科学技术大学 2013



本文编号:3468704

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/hangkongsky/3468704.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户5f953***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com