戴邵武，陈强强，戴浩然，孙玉玉

(1.海军航空大学 岸防兵学院，山东 烟台 264000；2.空军95596部队，河南 商丘 476000)

0 引 言

机载燃油泵在工作过程中为航空发动机提供规定的流量和压力燃油，是飞机燃油系统的核心构件之一[1]。机载燃油泵的工作状态直接程度的影响着飞行安全，因此对燃油泵进行可靠性分析及性能退化趋势预测具有重要的意义[2]。

在针对航空发动机参数进行准确预测的分析研究中，基于数据驱动的预测模型得到了充分的应用与发展。李晓白等人[3]采用经典的自回归滑动平均模型应用于航空发动机性能退化数据，并验证了该模型对提高短期预测精度的有效性。经典的数学模型具有严谨的理论推导，但针对复杂的时间序列存在着精度不足、模型不准确等劣势。刘永建[4]采用改进神经网络方法对发动机性能参数进行了预测研究，实现了航空发动机性能监控及趋势预测。但神经网络在使用过程中存在着参数选择无依据、训练时间较长等缺点。张建采用支持向量机对发动机排气温度裕度进行研究分析[5]，但支持向量机在使用过程中存在着易陷入局部极小化的缺陷。相比之下，最小二乘支持向量机(least square support vector machine，LSSVM)具有泛化能力强、精度高等优点，在航空发动机时间序列预测中具有更高的精度优势[6]。

随着航空发动机制造工艺趋于精密化、复杂化，同时工作环境也更加恶劣，航空发动机性能数据呈现出强烈的非线性、非平稳特征[7]。此时，单一的预测模型不足以完整概括其性能变化特征。……