基于最小二乘支持向量回归的系统可靠性预测

《基于最小二乘支持向量回归的系统可靠性预测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代码：10289分类号：TN957密级：公开学号：122030045江苏科技大学硕士学位论文基于最小二乘支持向量回归的系统可靠性预测研究生姓名徐婷导师姓名伍雪冬申请学位类别工学硕士学位授予单位江苏科技大学学科专业控制理论与控制工程论文提交日期2015年4月24日研究方向智能信息处理论文答辩日期2015年6月12日答辩委员会主席陈红卫教授评阅人盲审2015年6月12日I分类号：TN957密级：公开学号：122030045工学硕士学位论文基于最小二乘支持向量回归的系统可靠性预测学生姓名徐婷指导教

2、师伍雪冬副教授江苏科技大学二O一五年六月IIAThesisSubmittedinFulfillmentoftheRequirementsfortheDegreeofMasterofEngineeringReliabilityForecastingoftheSystemBasedontheLeastSquaresSupportVectorRegressionSubmittedbyXuTingSupervisedbyProfessorWuXuedongJiangsuUniversityofScien

3、ceandTechnologyJune,2015江苏科技大学学位论文原创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：年月日IV江苏科技大学学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门

4、或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权江苏科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于：(1)保密□，在年解密后适用本授权书。(2)不保密□。学位论文作者签名：指导教师签名：年月日年月日摘要近年来，随着社会的变革、文化的发展以及科学技术的飞速进步，发动机系统的可靠性越来越受到人们的重视，如何提高系统的可靠性逐渐成为一个非常重要的科学问题，对系统的安全性评估有很多方法，其中可靠性预测是

5、最常用的方法之一。由于其强大的非线性拟合能力，以神经网络和支持向量机为主的软计算方法是目前系统可靠性预测的主要方法，但它们都存在着一些不足，最重要的是单纯利用支持向量机或神经网络方法都没有考虑可靠性时间序列数据中存在的不410确定性和随机性。因此，如何建立系统合理的可靠性预测模型并对系统可靠性数据进行预测是一项具有非常重要意义的研究工作。针对该问题，本文研究主要完成了以下工作：1通过阅读相关文献了解到当前基于神经网络和支持向量机的可靠性预测方法的不足，提出了迭代非线性滤波算法下基于最小二乘支持向

6、量机的可靠性预测方法，该方法合理的考虑到了可靠性时间序列数据的不确定性。2建立用于发动机系统可靠性数据预测的数学模型。为了能够运用迭代非线性滤波算法，基于最小二乘支持向量回归建立了发动机失效和可靠性时间序列预测模型的状态转移方程和观测方程。3为验证提出方法的有效性，用IEKF和IUKF两种滤波方法对提出的模型在MATLAB平台上进行仿真实验，得到了预测结果，利用四个评价指标，将得到的预测误差与文献中自回归模型（AR）、径向基函数神经网络（RBF-NNs）、多层前向反馈感知神经网络（MLP-NNs

7、）预测模型的预测误差进行了比较，最终结果表明，本文所提出的预测方法具有更好的预测精度。关键词可靠性预测；最小二乘支持向量回归；时间序列；迭代非线性滤波；预测模型；仿真VIAbstractWiththesocialtransformation,thedevelopmentofcultureandtherapidprogressofscienceandtechnology,reliabilityofenginesystemhasattractedmoreandmoreattention,howtoi

8、mprovethereliabilityofenginesystemhasgraduallybecomeaveryimportantscientificproblem,therearemanywaystoassessthesafetyofsystem,thereliabilitypredictionisoneofthemostgeneralmethods.Softcomputingtechniques,includingneuralnetworkandsupportvectormachine,h