一种基于支持向量基的发电机寿命预测算法

标题：一种基于支持向量基的发电机寿命预测算法

摘要：本发明涉及航空发电机试验技术领域，具体提供了基于支持向量基的发电机寿命预测算法，采用了结构风险最小化原则代替经验风险最小化原则进行发电机寿命预测，能较好地解决在有限数据情况下的样本学习的问题，采用了核函数思想，使它把非线性空间的问题转换到高维特征空间，使得原始问题在高维特征空间可以采用线性分类的方法进行求解，降低算法复杂度，采用了最大间隔原则，使得处理分类样本效果更优，寿命预测效果良好，实现对航空发电机的维修由事后维修或定期维修向视情维修转变, 降低维护成本。

申请号：CN201711243624.6

申请日：2017/11/30

申请人：中国航空工业集团公司沈阳飞机设计研究所

首项权利要求：1.一种基于支持向量基的发电机寿命预测算法，其特征在于，包括如下步骤：
步骤一，将发电机寿命预测试验数据按转速分类，取出任一转速下的按时间顺序排布的每一相关参数的若干参数值，所述相关参数至少包括注油压力，所述参数值包括注油压力值，将发电机寿命预测试验数据划分N块候选数据块，根据预测精度要求和载体存储容量选取每个数据块的预测精度和存储范围；
步骤二，计算每个数据块的支持向量列表和权重：
支持向量机的非线性回归估计函数为y＝f(x)＝＜ω, Φ(x)＞+b，其中ω为权值向量，Φ(x)为回归方程，b为偏置项；
构造泛函的极小化问题公式：
其中l为样本数量，C为系统系数，ζ()为不敏感损失函数，xi为第i个输入向量且xi∈Rn，i＝1, 2, 3, …, n，n是维数，yi为xi的期望输出向量；
利用拉格朗日乘子及对偶理论得到回归函数：
其中αi为拉格朗日系数，αi*为样本预测值；
通过引入内积核函数的定义将该回归函数变换为：
其中K(xi, x)为内积函数，样本所有向量为xi(i＝1, 2, 3, …, n)n，样本集中的所有向量均满足yi(w·xi+b)≥1，通过变换后的回归函数预测发电机寿命。
步骤三，比较所有数据块的预测值与原始数据的绝对误差。

专利类型：发明申请