改进的军用飞机涡轮叶片预测性维修方法

发布时间：2021-04-25 10:15

　　为了对军用飞机发动机涡轮叶片进行维修性预测,论文首次提出多变量分析与随机森林算法结合的预测方法。首先,利用多变量的方法进行归一化及变量选取,将待预测时刻最近一段时间的预测值与实际值构成融合矩阵,并与增量学习结合进行二次学习。然后,通过多变量与维修频率相关性分析,对结果进行排序筛选出特征值;接下来,构建融合矩阵,将训练数据集和测试数据集输入到融合矩阵决策模型中进行预测,得到预测结果。最后,实验结果显示:几种不同方案的平均绝对百分误差（MPEG）均大幅下降。结果表明,论文方法能够有效提高预测精度,对于保障飞行安全、降低叶片损伤和报废率,从而降低维护成本有着重大意义。 

【文章来源】：舰船电子工程. 2020,40(05)

【文章页数】：5 页

【文章目录】：
1 引言
2 数据整理及预测模型建立
    2.1 数据整理
    2.2 建立预测模型
    2.3 关联分析法进行多变量选取
        2.3.1 多变量的归一化及变量选取
        2.3.2 多变量与维修频率相关性分析
    2.4 气象特征值选取
3 实验研究
    3.1 环境搭建
    3.2 建立维修预测模型
    3.3 预测性能研究
4 结语


【参考文献】：
期刊论文
[1]多算法多模型与在线第二次学习结合的短期电力负荷预测方法[J]. 周末,金敏.  计算机应用. 2017(11)
[2]实现影响因素多源异构融合的短期负荷预测支持向量机算法[J]. 吴倩红,高军,侯广松,韩蓓,汪可友,李国杰.  电力系统自动化. 2016(15)
[3]基于多变量LS-SVM和模糊循环推理系统的负荷预测[J]. 胡时雨,罗滇生,阳霜,阳经伟.  计算机应用. 2015(02)
[4]基于关联分析的城市用电负荷研究[J]. 肖峻,张晶,朱涛,史常凯,张海平.  电力系统自动化. 2007(17)

硕士论文
[1]基于大数据平台应用的供电量分析及预测方法研究[D]. 王泽洋.华北电力大学 2017



本文编号：3159209