系统工程与电子技术
繫統工程與電子技術
계통공정여전자기술
SYSTEMS ENGINEERING AND ELECTRONICS
2010年
7期
1540-1543
,共4页
张磊%李行善%于劲松%万九卿
張磊%李行善%于勁鬆%萬九卿
장뢰%리행선%우경송%만구경
故障预测%关联向量机%时间序列预测%蒙特·卡罗采样%剩余寿命
故障預測%關聯嚮量機%時間序列預測%矇特·卡囉採樣%剩餘壽命
고장예측%관련향량궤%시간서렬예측%몽특·잡라채양%잉여수명
针对一类故障预测问题提出了一种基于关联向量机(relevance vector machine, RVM)回归的故障预测算法.算法首先采用关联向量机模型对对象历史数据中隐含的故障演化信息进行学习,然后将所获取的关联向量机模型用于对象故障未来变化趋势的预测.预测过程采用多步时间序列预测中的递推计算的思想,并且将每一步预测的不确定性作为下一次预测迭代的输入要素加以充分的考虑.迭代过程中的一些关键量的获取采用了蒙特卡罗采样计算的思想,避免了对关联向量机核函数选取的限制.算法预测输出采用对象系统剩余寿命的随机分布形式,相对于传统预测算法的确定值形式的输出更加符合实际.将所提算法与传统算法进行比较,仿真实验结果证明所提算法要优于传统故障预测算法.
針對一類故障預測問題提齣瞭一種基于關聯嚮量機(relevance vector machine, RVM)迴歸的故障預測算法.算法首先採用關聯嚮量機模型對對象歷史數據中隱含的故障縯化信息進行學習,然後將所穫取的關聯嚮量機模型用于對象故障未來變化趨勢的預測.預測過程採用多步時間序列預測中的遞推計算的思想,併且將每一步預測的不確定性作為下一次預測迭代的輸入要素加以充分的攷慮.迭代過程中的一些關鍵量的穫取採用瞭矇特卡囉採樣計算的思想,避免瞭對關聯嚮量機覈函數選取的限製.算法預測輸齣採用對象繫統剩餘壽命的隨機分佈形式,相對于傳統預測算法的確定值形式的輸齣更加符閤實際.將所提算法與傳統算法進行比較,倣真實驗結果證明所提算法要優于傳統故障預測算法.
침대일류고장예측문제제출료일충기우관련향량궤(relevance vector machine, RVM)회귀적고장예측산법.산법수선채용관련향량궤모형대대상역사수거중은함적고장연화신식진행학습,연후장소획취적관련향량궤모형용우대상고장미래변화추세적예측.예측과정채용다보시간서렬예측중적체추계산적사상,병차장매일보예측적불학정성작위하일차예측질대적수입요소가이충분적고필.질대과정중적일사관건량적획취채용료몽특잡라채양계산적사상,피면료대관련향량궤핵함수선취적한제.산법예측수출채용대상계통잉여수명적수궤분포형식,상대우전통예측산법적학정치형식적수출경가부합실제.장소제산법여전통산법진행비교,방진실험결과증명소제산법요우우전통고장예측산법.
