基于模糊粒度相关向量机的缓变故障参数区间预测 |
| |
引用本文: | 曲晓燕,张勇亮,吕晓峰,马 羚.基于模糊粒度相关向量机的缓变故障参数区间预测[J].计算机与现代化,2017,0(8):5. |
| |
作者姓名: | 曲晓燕 张勇亮 吕晓峰 马 羚 |
| |
摘 要: | 为解决相关向量机(RVM)在多样本故障预测中存在的预测精度下降和运算效率低等不足,提出一种基于模糊粒度相关向量机(FGRVM)的缓变故障参数区间预测方法。首先,对参数初始时间序列进行模糊信息粒化(FIG),并采用基于指数相似度的约简方法对训练集中的冗余数据进行约简;然后,使用自适应极值扰动和自适应变异对简化粒子群算法(tsPSO)进行改进,并以4折交叉验证误差最小为优化目标,采用该粒子群算法(itsPSO)实现相关向量机核宽度的自适应选择;最后,采用训练好的RVM预测缓变故障参数的变化区间。以3个经典的大规模、非线性、带噪声的时间序列及国航某航空发动机排气温度变化量(DEGT)为例对该方法的预测性能进行验证,仿真结果表明,相对于RVM和模糊粒度支持向量机(FGSVM),该方法在预测精度和运算效率上都有较大的提高。
|
关 键 词: |   缓变故障 区间预测 模糊信息粒化 相关向量机 约简 粒子群算法 /> |
收稿时间: | 2017-09-01 |
|
| 点击此处可从《计算机与现代化》浏览原始摘要信息 |
|
点击此处可从《计算机与现代化》下载全文 |
|