基于集成学习的航空发动机试车性能多目标预测
Journal: 空天科技 DOI: 10.12238/ast.v1i1.13703
Abstract
针对航空发动机试车性能预测中关键特征利用不足的问题,提出一种集成学习-多目标优化融合预测方法。通过分析试车数据多维度特征,构建涵盖推力、油耗及振动参数的多目标预测框架。基于Stacking集成策略,融合随机森林、梯度提升树和深度神经网络等异质学习器,挖掘数据非线性关联特征;设计分层权重分配机制与动态优化函数,平衡多目标预测精度与泛化性。实验表明:相比单目标方法,所提模型在涡扇发动机试车数据集中平均绝对误差降低26.7%,关键参数预测准确率达94.3%,并通过特征分析揭示压气机效率与涡轮前温度对性能的显著影响。该方法构建了高精度、强解释性的多目标预测体系,为发动机试车参数优化提供智能决策支持,具有重要工程应用价值。
Keywords
集成学习;航空发动机;试车性能;多目标预测;Stacking集成策略
Full Text
PDF - Viewed/Downloaded: 0 TimesReferences
[1] 喻勇, 司小胜, 胡昌华, 等. 数据驱动的可靠性评估与寿命预测研究进展:基于协变量的方法[J]. 自动化学报, 2018, 44(02): 216-227.
[2] 刘子敬, 张伟, 邹守铭. 可靠性评估、全寿命周期评估和PHM技术关联性分析[J]. 内燃机与配件, 2019(18): 205-206.
[3] 杨宏运. 基于数据驱动的机械设备故障预测与维修策略优化[J]. 中国机械, 2023(20): 103-106.
[4] Huang Y, Tao J, Zhao J, et al.Graph structure embedded with physical constraints-based information fusion network for interpretable fault diagnosis of aero-engine[J]. Energy, 2023, 283: 129120.
[5] Khattak W R, Salman A, Ghafoor S, et al.Multi-modal LSTM network for anomaly prediction in piston engine aircraft[J]. Heliyon, 2024, 10(3).
[6] Liu Q, Zhang Z, Guo P, et al. Enhancing aircraft engine remaining useful life prediction via multiscale deep transfer learning with limited data[J].Journal of Computational Design and Engineering, 2024, 11(1): 343-355.
[7] Khattak W R,Salman A,Ghafoor S,et al.Multi-modal LSTM network for anomaly prediction in piston engine aircraft[J]. Heliyon, 2024, 10(3).
[8] 蒋旭瑞, 吴明功, 温祥西, 等. 自由飞行下基于集成学习的概率型冲突探测算法[J]. 航空工程进展, 2018, 9(4): 530-536.
[9] 钟诗胜, 雷达. 一种可用于航空发动机健康状态预测的动态集成极端学习机模型[J]. 航空动力学报, 2014, 29(9): 2085-2090.
[10] 徐建新, 侯振华. 基于集成ELM模型的航空发动机性能参数预测[J].中国民航大学学报, 2017, 35(2): 20-23.
[11] 雷达, 钟诗胜. 用集成过程神经网络预测民航发动机振动趋势[J]. 振动. 测试与诊断, 2015, 35(1): 137-141,194.
[12] 陆文灏, 柯勇伟, 郭永强, 等. 面向多目标优化的航空发动机装配特征选择[J]. 工业工程, 2024, 27(4): 1-8.
[2] 刘子敬, 张伟, 邹守铭. 可靠性评估、全寿命周期评估和PHM技术关联性分析[J]. 内燃机与配件, 2019(18): 205-206.
[3] 杨宏运. 基于数据驱动的机械设备故障预测与维修策略优化[J]. 中国机械, 2023(20): 103-106.
[4] Huang Y, Tao J, Zhao J, et al.Graph structure embedded with physical constraints-based information fusion network for interpretable fault diagnosis of aero-engine[J]. Energy, 2023, 283: 129120.
[5] Khattak W R, Salman A, Ghafoor S, et al.Multi-modal LSTM network for anomaly prediction in piston engine aircraft[J]. Heliyon, 2024, 10(3).
[6] Liu Q, Zhang Z, Guo P, et al. Enhancing aircraft engine remaining useful life prediction via multiscale deep transfer learning with limited data[J].Journal of Computational Design and Engineering, 2024, 11(1): 343-355.
[7] Khattak W R,Salman A,Ghafoor S,et al.Multi-modal LSTM network for anomaly prediction in piston engine aircraft[J]. Heliyon, 2024, 10(3).
[8] 蒋旭瑞, 吴明功, 温祥西, 等. 自由飞行下基于集成学习的概率型冲突探测算法[J]. 航空工程进展, 2018, 9(4): 530-536.
[9] 钟诗胜, 雷达. 一种可用于航空发动机健康状态预测的动态集成极端学习机模型[J]. 航空动力学报, 2014, 29(9): 2085-2090.
[10] 徐建新, 侯振华. 基于集成ELM模型的航空发动机性能参数预测[J].中国民航大学学报, 2017, 35(2): 20-23.
[11] 雷达, 钟诗胜. 用集成过程神经网络预测民航发动机振动趋势[J]. 振动. 测试与诊断, 2015, 35(1): 137-141,194.
[12] 陆文灏, 柯勇伟, 郭永强, 等. 面向多目标优化的航空发动机装配特征选择[J]. 工业工程, 2024, 27(4): 1-8.
Copyright © 2025 王言, 柯勇伟, 蔡志强

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License