雷 达， 钟诗胜

(哈尔滨工业大学机电工程学院 哈尔滨，150001)



用集成过程神经网络预测民航发动机振动趋势*

雷 达， 钟诗胜

(哈尔滨工业大学机电工程学院 哈尔滨，150001)

提出了一种集成过程神经网络预测模型用于民航发动机振动信号趋势预测。首先，对AdaBoost.RT算法的误差函数进行了改进，并采用自适应调整策略在训练过程中自动调节算法的分类阈值；然后，以改进的AdaBoost.RT算法为集成学习框架构建集成过程神经网络(process neural network,简称PNN)预测模型。通过对两组实际民航发动机振动信号序列的预测对集成模型的预测效果进行了评估。结果表明，在具有更加简单网络结构的情况下，集成PNN模型的预测效果好于单一PNN模型。此外，提出的改进AdaBoost.RT算法的效果优于原始AdaBoost.RT以及仅改进了阈值调整方法的AdaBoost.RT算法。对比结果表明，提出的集成PNN模型适用于民航发动机振动信号变化趋势预测。

航空发动机； 振动信号； 趋势预测； 集成学习； AdaBoost.RT； 过程神经网络

引言

对排气温度、转子振动等健康状态参数进行监测和趋势预测是民航发动机健康状态监控的重要内容。时间序列分析、人工神经网络(artificial neural network,简称ANN)[1]和过程神经网络[2]等方法都被用来对民航发动机健康状态参数变化趋势进行预测。PNN由于模拟了实际生物神经元的时间聚合特性，能够有效处理实际系统中存在的时间累积效应，具有较好的预测效果[3-4]。

目前，一般通过建立全局模型的方法进行发动机健康状态参数预测，即采用全部的训练样本建立一个单一预测模型进行预测。……