[发明专利]发动机性能退化趋势预测方法

摘要

本发明涉及一种发动机性能退化趋势预测方法，包括以下步骤：步骤一、监测数据序列重构；步骤二、构建灰色相关向量机预测模型；步骤三、构建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。本发明的改进RVM模型构建适用于OLVF监测数据的预测方法，深入挖掘OLVF监测数据中的隐含信息，可以实现发动机的整体趋势预测，解决了以往方法手段无法准确实现发动机性能退化趋势预测的技术难题。同时，本发明的改进RVM模型通过对发动机油液监测过程中的噪声数据进行重构，在消除噪声点的同时保留整体趋势和突变信息，在预测数据量递增、尤其针对在线监测源源不断数据量的情况下，仍然保持准确的预测结果。

主权项

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KIPCA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。