2012年飞机舵面损伤趋势预测：SMO-SVR方法与RBFNN比较

本文主要探讨了2012年发表在《北京航空航天大学学报》上的一篇关于飞机舵面损伤故障趋势预测的论文。作者董磊、任章和李清东来自北京航空航天大学飞行器控制一体化技术重点实验室，他们针对飞机舵面可能出现的损伤问题，提出了一个改进的序贯最小优化支持向量回归（SMO-SVR）预测方法。论文的核心内容主要包括以下几个方面： 1. **背景与目标**：在飞机运行过程中，舵面损伤可能导致性能下降，因此准确预测状态参量的变化趋势至关重要。作者的目标是设计一种更为精确的预测模型，以应对这类问题。 2. **方法**：作者采用了改进的C-C平均方法对多元时间序列数据进行相空间重构，这种方法有助于识别和分析复杂的非线性动力学行为。通过这种方法确定了最优的嵌入维数m和延迟时间Td，这是构建有效预测模型的关键步骤。 3. **SMO-SVR模型**：基于重构后的相空间，作者构建了加权支持向量回归（SVR）模型，通过调整SMO算法的停机准则，提高了模型的预测精度。此外，还引入了区间自适应粒子群优化（IAPSO）算法来优化SVR的参数，以进一步提升模型的优化速度。 4. **验证与对比**：为了验证算法的有效性，作者将改进的SMO-SVR模型与径向基函数神经网络（RBFNN）进行了对比分析。实验结果显示，SMO-SVR模型在预测飞机方向舵损伤故障趋势方面表现出优越的性能。 5. **关键词**：这篇论文的关键词包括故障趋势预测、支持向量回归、序贯最小优化、舵面损伤和相空间重构，这些关键词准确地概括了研究的主题和核心技术。 6. **引用信息**：文章的中图分类号为TP206+.3，文献标识码为A，文章编号为1001-5965(2012)10-1300-06，这提供了查阅该论文的依据。 这篇文章提供了一种创新的故障预测方法，对于飞机制造业和航空控制系统的设计与维护具有实际应用价值，尤其是在提高安全性和减少维修成本方面。通过深入理解和支持向量回归和相空间重构等技术，本文的研究为飞机舵面健康监测和故障预防策略的发展做出了贡献。