瞿红春，高鹏宇，朱伟华，许旺山，郭龙飞

(中国民航大学航空工程学院，天津 300300)

滑油系统的工作状态好坏直接影响着发动机的可靠性和安全性。先进的在线监测方法是滑油系统状态监控的研究热点，如滑油磨粒在线监测[1]、滑油的光谱分析[2]、滑油压差异常的诊断[3]、滑油黏度监测[4]、滑油消耗的预测[5-6]。针对滑油系统工作参数(如滑油量、滑油中金属屑含量)预测的研究较少。准确预测民航发动机滑油量可预防发动机在飞行过程中因滑油消耗量过大、滑油箱滑油量过少而发生报警甚至空中停车，对减少航空公司运营成本和保证飞行安全具有重要的意义。

发动机滑油量预测受飞行阶段和各阶段状态参数影响，属于高维参数预测问题，机器学习方法是一种解决途径。皮骏等[7]采用改进粒子群优化支持向量机的方法来预测发动机排气温度；张锦等[8]利用遗传算法优化灰色神经网络预测隧道变形；Sun等[9]基于天牛须算法优化神经网络来预测材料的抗压强度；李玉花等[10]通过卷积神经网络对电脑信号进行预测分类；Chen等[11]利用长短期记忆神经网络预测股价的变化趋势；传统优化算法在处理大规模样本数据时可能出现训练时间长、搜索能力差、陷入局部最优的缺陷；深度学习如卷积神经网络和长短期记忆神经网络预测时易出现过拟合的情况[12-13]，从而影响预测精度。

针对发动机滑油量预测的工程问题，提出基于邻域粗糙集和灰狼算法优化Elman的方法来预测滑油量。……