The present invention relates to Prognostics and health management (PHM) technology, especially the relevance vector machine with servo state autoregressive moving average fusion prediction method, which comprises the following steps: (1) predictive vector machine and autoregressive moving average convergence steering state; (2) adaptive updating of statistical monitoring model, the fusion the algorithm can greatly improve the long period prediction accuracy, higher prediction accuracy, the adaptive updating model, the sample data and update, improve the accuracy of model prediction algorithm, small size, simple operation, easy implementation, the prediction technology can be further applied to general nonlinear system state.
【技术实现步骤摘要】
相关向量机与自回归滑动平均融合的舵机状态预测方法
本专利技术涉及故障预测与健康管理(PHM)
,尤其是相关向量机与自回归滑动平均融合的舵机状态预测方法。
技术介绍
在自动飞行控制系统中,舵机作为核心执行部件,实现对升降舵、副翼和方向舵三大主控舵面的驱动。作为一种飞控系统的核心部件,其性能及可靠性的好坏直接影响着自动飞行系统,甚至整个飞机的飞行安全。由于舵机的故障几乎不能完全避免,一旦舵机在飞行中发生故障,就可能会造成十分严重的后果。因此,飞机舵机状态预测是减少可能导致致命事故风险的关键性技术,近年来成为许多研究的焦点。近年来,支持向量机等智能状态预测方法作为一种常用的数据驱动方法,引起了众多研究者的兴趣。与神经网络相比,支持向量机是一种基于统计学习理论,采用结构风险最小化原则而不是经验风险最小化原则的机器学习新方法,因此它具有小样本泛化能力和简单的结构。支持向量机以少量的样本表现出良好的性能,已广泛应用于状态预测领域。但支持向量机也有一些固有的缺陷,例如,它模型参数不容易选择以及核函数必须满足Mercer条件,此外,支持向量机必须估计惩罚参数C(在分类中)和不敏感参数ε(在回归中),并且随着训练集的增加所需的支持向量的数量也会迅速增加。这些缺点在一定程度上也限制了支持向量机的发展和应用。为了克服以上提到的问题,Tipping提出了相关向量机。与支持向量机不同,它可以提供概率输出并且利用自动相关理论确定先验参数的结构下将一批不相关的点移除从而得到稀疏贝叶斯模型,大大减少了计算量。相关向量机引入贝叶斯概率框架来优化模型中的权重,并且采用最大期望算法直接计 ...
【技术保护点】
相关向量机与自回归滑动平均融合的舵机状态预测方法,其特征在于,包括以下步骤:(1)相关向量机与自回归滑动平均融合的舵机状态预测;(2)统计监控模型的自适应更新,在步骤(1)中,所述的相关向量机与自回归滑动平均融合的舵机状态预测的设计方法是:给定
【技术特征摘要】
1.相关向量机与自回归滑动平均融合的舵机状态预测方法,其特征在于,包括以下步骤:(1)相关向量机与自回归滑动平均融合的舵机状态预测;(2)统计监控模型的自适应更新,在步骤(1)中,所述的相关向量机与自回归滑动平均融合的舵机状态预测的设计方法是:给定组历史数据集其中作为训练样本,作为测试样本,表示样本数据总数,N表示训练样本数量,M表示测试样本数量,由N组训练样本训练所得的相关向量机模型是:ti=y(xi,ω)+εi(1)其中,xi∈Rn表示一组数据的输入值;ti∈R表示其相对应的输出值;ω=[ω0,ω1,…,ωN]T代表权重向量;K(·,·)是一个核函数;εi服从均值为0,方差为σ2的高斯分布,用已经训练好的相关向量机模型预测得到M步预测值将M步预测值与其相对应测试样本的输出值做差,得到预测误差序列Dc,其中,表示相关向量机的预测值,yi表示真实值,由误差序列Dc训练所得的自回归滑动平均模型是:et=η1e(t-1)+…+ηpe(t-p)+θt+λ1θt-1+…+λqθt-q(2)其中,表示时间序列;ηi表示自回归模型的系数;λi表示滑动平均模型的参数;θt表示白噪声,...
【专利技术属性】
技术研发人员:郭润夏,王佳琦,张娜,
申请(专利权)人:中国民航大学,
类型:发明
国别省市:天津,12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。