第一部分 现状分析 磨损趋势预测 B 磨损界限值制定A C知识获取 航空发动机 磨损故障诊断 专家系统开发E D磨损故障融合诊断 南京航空航天大学智能诊断与专家系统研究室 http://ides.nuaa.edu.cn 2021/2/11
南京航空航天大学智能诊断与专家系统研究室 http://ides.nuaa.edu.cn 2021/2/11 第一部分 现状分析 航空发动机 磨损故障诊断 B E C D 磨损界限值制定 A 磨损趋势预测 知识获取 专家系统开发 磨损故障融合诊断
第一部分 现状分析 传统方法 概率分布估计 >基于油样数据服从 >采用智能技术对数据 正态分布的假设; 样本的概率分布进行自 磨损 >根据数据的均值和 动识别研究 界限 标准差确定正常、警 采用非参数概率密度 值制 告和异常界限值 真实的概 估计方法直接进行概率 率分布 密度函数估计 定 本文提出了一种基于支持向量机概率密度函数估计的磨损界限值制 定方法 南京航空航天大学智能诊断与专家系统研究室 http://ides.nuaa.edu.cn 2021/2/11
南京航空航天大学智能诊断与专家系统研究室 http://ides.nuaa.edu.cn 2021/2/11 第一部分 现状分析 ➢采用智能技术对数据 样本的概率分布进行自 动识别研究 ➢采用非参数概率密度 估计方法直接进行概率 密度函数估计 概率分布估计 ➢基于油样数据服从 正态分布的假设； ➢根据数据的均值和 标准差确定正常、警 告和异常界限值 传统方法 磨损 界限 值制 定 真实的概 率分布 本文提出了一种基于支持向量机概率密度函数估计的磨损界限值制 定方法
第一部分 现状分析 磨损趋势预测 B 磨损界限值制定A C知识获取 航空发动机 磨损故障诊断 专家系统开发 E D)磨损故障融合诊断 南京航空航天大学智能诊断与专家系统研究室 http://ides.nuaa.edu.cn 2021/2/11
南京航空航天大学智能诊断与专家系统研究室 http://ides.nuaa.edu.cn 2021/2/11 第一部分 现状分析 航空发动机 磨损故障诊断 B E C D 磨损界限值制定 A 磨损趋势预测 知识获取 专家系统开发 磨损故障融合诊断
第一部分 现状分析 单项预测 组合预测 根据某种绝对误差最小 统计回归模型 来确定权系数向量 趋势预测 亲ARMA时序模型 亲误差平方和最小为准则 建立了最优组合预测模型 豪神经网络模型 豪以非负约束的误差平方 和最小为准则的最优组合 灰色系统模型 预测模型 豪基于相关性指标建立了 最优组合预测模型 本文提出了一种带粒子群优化的最小二乘支持向量机( PSO LSSVM) 非线性变权重组合预测模型 南京航空航天大学智能诊断与专家系统研究室 http://ides.nuaa.edu.cn 2021/2/11
南京航空航天大学智能诊断与专家系统研究室 http://ides.nuaa.edu.cn 2021/2/11 第一部分 现状分析 根据某种绝对误差最小 来确定权系数向量： 误差平方和最小为准则 建立了最优组合预测模型 以非负约束的误差平方 和最小为准则的最优组合 预测模型 基于相关性指标建立了 最优组合预测模型 组合预测 统计回归模型 ARMA时序模型 神经网络模型 灰色系统模型 单项预测 趋 势 预 测 本文提出了一种带粒子群优化的最小二乘支持向量机（PSO_LSSVM） 非线性变权重组合预测模型
第一部分 现状分析 磨损趋势预测 B 磨损界限值制定A C知识获取 航空发动机 磨损故障诊断 专家系统开发 E D磨损故障融合诊断 南京航空航天大学智能诊断与专家系统研究室 http://ides.nuaa.edu.cn 2021/2/11
南京航空航天大学智能诊断与专家系统研究室 http://ides.nuaa.edu.cn 2021/2/11 第一部分 现状分析 航空发动机 磨损故障诊断 B E C D 磨损界限值制定 A 磨损趋势预测 知识获取 专家系统开发 磨损故障融合诊断