基于遗传算法和ARMA模型的航空发电机寿命预测

《基于遗传算法和ARMA模型的航空发电机寿命预测》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、航空学报ActaAeronauticaetAstronauticaSinicaAug．252011V01．32No．81506一t511ISSN1000．6893CN11．1929／Vhttp：#hkxb．buaa．edu．cnhkxb@buaa．edu．ci3文章编号：1000-6893(2011)08—1506—06基于遗传算法和ARMA模型的航空发电机寿命预测崔建国1’*，赵云龙1，董世良2，张红梅1，陈希成21．沈阳航空航天大学自动化学院，辽宁沈阳1101362．沈阳飞机设计研究所，辽宁沈阳110035摘要：针对航空发电

2、机剩余使用寿命难以准确预测的问题，提出一种基于遗传算法(GA)优化的自回归与移动平均(ARMA)模型。运用航空发电机寿命专用试验平台，对某型航空发电机寿命进行长期试验，获取该航空发电机寿命相关数据。深入分析寿命试验数据，并对其建立ARMA模型。在此基础上，采用遗传算法对ARMA模型的阶数进行优化，分别采用ARMA模型与经遗传算法优化后的ARMA模型对航空发电机的使用寿命进行预测研究。结果表明，优化前后两种ARMA模型均可对航空发电机的使用寿命实现预测效能。优化前ARMA模型对航空发电机寿命预测的平均相对误差为4．33％；而经遗传

3、算法优化后，ARMA模型预测的平均相对误差仅为2．26oA，能更准确预测航空发电机的使用寿命，具有很好的工程应用价值。关键词：遗传算法；ARMA模型；航空发电机；寿命预测；注油压力中图分类号：V242．4；TP206+．3文献标识码：A时间序列分析法是把实测数据看做一个随机序列，根据相邻实测值具有依赖性特点，建立数学模型来拟合时间序列，可以较准确地实现相关信息的有效预测[1]。目前，飞机寿命预测技术研究已成为世界航空领域的研究热点之一。国外开展寿命预测技术研究较早并已得到应用[2]，而相关技术在国内还处于理论探索和仿真阶段。一般

4、采用反向传播(BP)神经网络等经典人工神经网络的预测特性建立相应的寿命预测模型，或采用支持向量机等预测算法进行预测技术研究，与工程应用尚有很大距离。如：人工神经网络对数据信息的要求较高，对于小样本数据的应对能力较差，网络的训练时间不确定，不能很好地满足实时性要求，极易造成局部极小而得不到全局最优解，且学习算法还有待进一步完善；支持向量机算法参数的确定随机性较强，受训练样本的约束较大；基于数学理论的预测方法虽然综合考虑了各种影响因素，但建模过程较为复杂，难以适合工程应用。为解决上述问题，本文将时间序列分析法应用到航空发电机的寿命预

5、测中，提出了基于遗传算法优化的白回归与移动平均(ARMA)模型，对模型的阶数进行优化，提高了预测精度，较好实现了航空发电机的寿命预测，为寿命预测研究提供了新思路。1遗传算法遗传算法(GeneticAlgorithms，GA)[33通过模拟生物的进化机制来达到高效全局寻优搜索收稿日期：2010．10．14；退修日期：2010-12—03；录用日期：2011．02—22；网络出版时间：2011-03．2412：们：57网络出版地址：www．cnki．net／kcms／detail／11．1929V．20110324，1201008h

6、tmIDOI：CNKI：11-1929／V．20110324．1201．008基金项目：航夺科学基金(2010ZD54012)；辽宁省教育厅科研基金(2008544)；国防基础科研计划项目(A052们10023)*通讯作者．Tel，：024-89724448E—mail：gordon—cjg@163．corn硪展格式I崔建国．赵云龙．董世疑．等?基f逵传算法务ARMA模型的航空发电枧寿命预霸￡J]．航空学报．201l，32(8)：1506-15t1，CuiJianguo，ZhaoYunlong，DongShiliang，eta1

7、．Lifeprognosticsforaero—generatorbasedoDgeneticalgorithmandARMAmo-de／

8、J1．ActaAeronauticaetAstronauticaSinica．2011．32(8)：1506-15¨．崔建国等：基于遗传算法和ARMA模型的航宅发电机寿命预测的目的，它提供了一种求解非线性、多模态、多目标等复杂系统优化问题的通用框架[4]，已广泛用于解决工程中的优化问题[5]。其优化过程如下¨J：步骤1生成初始种群。随机产生N个初始数据组，每个数据组成为一个个体，N个个体组成

9、一个种群，遗传算法以该种群作为初始迭代种群。步骤2种群编码。遗传算法在求解之前，将随机生成的初始种群进行编码，按照一定的编码规则将初始种群编码生成若干码串，每一码串代表问题的一个可行解。步骤3适应度评价。将编码后的初始种群置于问题的”环境”当中，根据适应度评价标