[发明专利]发动机性能退化趋势预测方法

权利要求书

1.发动机性能退化趋势预测方法，其特征在于：

包括以下步骤：

步骤一、监测数据序列重构：

利用时空延迟修正、坐标延迟修正、相邻三点残差平均修正、倍增值K_IPCA倒数计算对发动机试验过程中的OLVF检测数据进行重构；

步骤二、构建灰色相关向量机预测模型：

(1)模型训练：将步骤一中重构的OLVF监测数据用于模型训练，利用训练数据序列建立灰色预测模型GM，将灰色预测模型GM的预测残差值作为输入，原始数据序列作为输出，训练得到训练好的相关向量机预测模型RVM；

(2)模型预测：由建立的灰色预测模型GM和训练好的相关向量机预测模型RVM组合得到灰色相关向量机预测模型GM-RVM，并通过引入滑移窗算法，不断更新数据中的信息；

步骤三、构建改进相关向量机模型：

灰色相关向量机预测模型GM-RVM结合PSO优化后得到改进相关向量机模型。

步骤四、构建换油后油液监测数据修正模型

改进相关向量机模型依据换油之前的N个序列数据预测换油后的第N+1个点的值，将该预测值与换油后的第一个实际数据求差，该差值作为补偿量，用于修正换油后的IPCA。

2.根据权利要求1所述的发动机性能退化趋势预测方法，其特征在于：

步骤一中，对OLVF监测数据进行时空延迟修正，处理算法如下：

数据样本为x＝{x_i(t),i＝1,2,…n}，t对应该样本的采样时间，设定一时间坐标延迟量Δ₁，则其时间坐标重构结果x_new1为：

x_new1＝{x_i(t-Δ₁),i＝1,…n}。

3.根据权利要求1所述的发动机性能退化趋势预测方法，其特征在于：

步骤一中，对OLVF监测数据的坐标延迟修正，处理算法如下：

(a)当OLVF监测过程发生补油，进行补油坐标延迟修正；根据经过时空延迟计算后的数据x_new1＝{x_new1(i)，i＝1,2,…n}，判定当补油发生时浓度变化系数C_ch，得到补油后空间坐标重构结果x_new2为：

(b)当OLVF监测过程发生换油，进行补油坐标延迟修正；根据经过时空延迟计算后的数据x_new1＝{x_new1(i)，i＝1,2,…n}和换油后油液监测数据修正模型得到补偿量ΔY，得到换油后空间坐标重构结果x_new2为：

x_new2＝{x_new1(i)+ΔY,i＝1,2,…n}。

4.根据权利要求1所述的发动机性能退化趋势预测方法，其特征在于：

步骤一中，对OLVF监测数据的相邻三点残差平均修正，处理算法如下：

对OLVF监测数据经过所述时空延迟修正、坐标延迟修正后，得到数值序列x_new2＝(x_new2(1),x_new2(2),.....,x_new2(n))，对数值序列x_new2进行相邻三点残差平均修正，消除数据噪声后的修正结果x_new3为：