基于随机森林算法的航空发动机振动趋势预测
2020-06-20王孝军刘德虎
燃气涡轮试验与研究 2020年2期
王孝军,刘德虎
(中国航发四川燃气涡轮研究院,成都 610500)
1 引言
航空发动机转动部件故障通常与振动有关。因此,对发动机振动趋势进行预测,及早发现潜在问题,对发动机实现安全、可靠的工作尤为重要。对于振动预测,学者们提出了多种方法,主要有:时间序列分析[1-2]、神经网络[3]、支持向量机[4-5]等方法。时间序列分析方法适用于线性系统的短期预测,对于航空发动机振动趋势预测这类非线性问题不太适用;神经网络方法能拟合任意非线性函数并具有一定的泛化能力,但实际运用时训练样本的选择对神经网络模型的影响较大,且神经网络容易出现过拟合现象[6];支持向量机方法虽然泛化能力较强,但存在获取最优参数计算量较大的问题[7]。
为克服单一算法的缺陷,集成算法得到了学者的深入研究。集成算法通过构建多个不同的预测模型,然后根据某种规则组合输出预测结果,目前理论上已被证明可以获取良好的学习效果[8-9]。随机森林(RF)算法是一种典型的集成算法,采用了Random subspace method 和Bootstrap aggregating 两大随机思想[10],能较好地避免过拟合现象,且随机森林算法易于实现,训练速度快,能有效分析非线性数据,预测精度高。目前,随机森林算法已在电力负荷预测[11]、交通预测[12]及水文预测[13]等领域得到了广泛的研究和应用,但针对航空发动机状态预测方面的研究较少。为此,本文利用某发动机振动测量样本数据,建立随机森林算法预测模型,对航空发动机振动趋势进行预测,旨在为航空发动机振动趋势预测分析提供新的方法。……
登录APP查看全文
