基于交叉验证优化SVR的多变量磨损趋势预测  

Multivariate Wear Trend Prediction Based on Cross Validation of Optimization SVR

作　　者：石宏[1] 李楠[1,2] 田中笑[1,2] 张维亮[1,2] 朱宁[1] 

机构地区：[1]沈阳航空航天大学航空航天工程学部 [2]93057部队

出　　处：《润滑与密封》2013年第11期22-25,共4页Lubrication Engineering

基　　金：航空科学基金项目(2008ZG54024);中央财政支持地方高校发展专项资金项目(2010)

摘　　要：对某型航空发动机非等时补油的润滑油光谱检测数据进行分析,建立支持向量机网络对航空发动机润滑油中Fe浓度变化趋势进行预测,同时用交叉验证的方法选择惩罚因子与核函数参数优化支持向量机网络。仿真结果表明,交叉验证(K-CV)优化的支持向量机网络模型能够准确地拟合出Fe浓度的变化趋势,对航空发动机预防性维修提供依据。The oil spectral data of an aeroengine non-equal filling oil were analyzed. Support vector machine （SVM） network was set up to predict the concentration variation of Fe in the oil. The penalty factor and kernel function parameter were chose using cross-validation method to optimize SVM network. The simulation results show that SVM model optimized by cross validation （K-CV） can accurately fit the change trend of Fe concentration. This analysis method provides a basis for the preventive repair of aero-engine.

关 键 词：航空发动机 润滑油 支持向量机 交叉验证 磨损趋势 

分 类 号：V228.2[航空宇航科学与技术—飞行器设计] TH117.1[机械工程—机械设计及理论]