基于交叉验证优化SVR的多变量磨损趋势预测.pdf

《基于交叉验证优化SVR的多变量磨损趋势预测.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2013年11月润滑与密封NOV．2013第38卷第11期LUBRICATIONENGINEERINGVo1．38No．11DOI：10．3969／j．issn．0254—0150．2013。11．006基于交叉验证优化SVR的多变量磨损趋势预测石宏李楠田中笑张维亮朱宁(1．沈阳航空航天大学航空航天工程学部辽宁沈阳110136；2．93057部队吉林省吉林市132102)摘要：对某型航空发动机非等时补油的润滑油光谱检测数据进行分析，建立支持向量机网络对航空发动机润滑油中Fe浓度变化趋势进行预测，同时用交叉验证的方法

2、选择惩罚因子与核函数参数优化支持向量机网络。仿真结果表明，交叉验证(K—CV)优化的支持向量机网络模型能够准确地拟合出Fe浓度的变化趋势，对航空发动机预防性维修提供依据。关键词：航空发动机；润滑油；支持向量机；交叉验证；磨损趋势中图分类号：V228．2；THI17．1文献标识码：A文章编号：0254—0150(2013)11—022—4MultivariateWearTrendPredictionBasedonCrossValidationofOptimizationSVRShiHongLiNan’TianZhon

3、gxiao'ZhangWeiliang'ZhuNing(1．FacultyofAerospaceEngineering，ShenyangAerospaceUniversity，ShenyangLiaoning110136，China；2．93057TroopofPLA，JilinofJilinProvince132102，China)Abstract：Theoilspectraldataofanaeroenginenon·equalfillingoilwereanalyzed．Suppo~vectormachine

4、(SVM)net-．workwassetuptopredicttheconcentrationvariationofFeintheoi1．Thepenaltyfactorandkernelfunctionparameterwerechoseusingcross-validationmethodtooptimizeSVMnetwork．ThesimulationresultsshowthatSVMmodeloptimizedbycrossvalidation(K-cv)canaccuratelyfitthechang

5、etrendofFeconcentration．Thisanalysismethodprovidesabasisforthepreventiverepairofaero—engine．Keywords：nero—en~ne；lubricatiingoil；suppoavectormachine；cross—validation；weartrend航空发动机结构复杂，工作中部件间存在着大量趋势。的摩擦，在其中加入润滑油不仅可以减缓部件间的磨1支持向量机回归预测损，冷却零部件，同时还可将机械转动产生的热量和1．1支持向

6、量机概述摩擦产生的金属磨粒带走。这些均匀地悬浮在润滑油支持向量机(SVM，Suppo~VectorMachine)是中的金属颗粒，蕴含着航空发动机磨损状态的重要信Vapnik根据统计学理论中结构风险最小化原则提出息，对其浓度进行准确预测便能判断出航空发动机的]。它基于有限的样本信息，在模型的学习能力和的磨损趋势。复杂性之间寻求最佳折中从而获得良好的推广能力，由于润滑油的消耗和泄漏，航空发动机日常维护SVR是用于解决回归问题的支持向量机网络。中经常要对润滑油系统进行补油。补油是非等时间间1．2支持向量机回归算法隔的，

7、补油后会对润滑油中的金属浓度产生影响，支持向量机回归预测分析的核心思想是找到一个此时检测得到的光谱数据很难准确预测航空发动机的函数／∈F(函数集)，将数据的期望风险函降到最磨损趋势。本文作者基于补油后的光谱数据，利用交小，如式(1)：叉验证(K．cV)的方法优化支持向量机网络对金R[力=Iz(Y一／))dP(，Y)(1)属颗粒浓度进行了分析，并预测了航空发动机的磨损其中Iz(Y一))为损失函数，是描述Y与)之间J基金项目：航空科学基金项目(2008ZG54024)；中央财政支的偏差，可表示为2(·)=lY-f()l

8、，其中P是正整持地方高校发展专项资金项目(2010)．数。P(，Y)是未知的，所以不能直接计算出[_厂]。收稿日期：2013—04—07作者简介：石宏(1961一)，女，博士，教授，主要从事航空发设数据样本为n维向量，某区域的z个数据样本动机制造与维修的教学与科研工作．E—mail：33200876@qq．corn．表示为：2013年第11期石宏等：基于交叉