基于最小二乘支持向量回归的系统可靠性预测
近年来，随着社会的变革、文化的发展以及科学技术的飞速进步，发动机系统的可靠性越来越受到人们的重视，如何提高系统的可靠性逐渐成为一个非常重要的科学问题，对系统的安全性评估有很多方法，其中可靠性预测是最常用的方法之一。由于其强大的非线性拟合能力，以神经网络和支持向量机为主的软计算方法是目前系统可靠性预测的主要方法，但它们都存在着一些不足，最重要的是单纯利用支持向量机或神经网络方法都没有考虑可靠性时间序列数据中存在的不410确定性和随机性。因此，如何建立系统合理的可靠性预测模型并对系统可靠性数据进行预测是一项具有非常重要意义的研究工作。针对该问题，本文研究主要完成了以下工作： 1、通过阅读相关文献了解到当前基于神经网络和支持向量机的可靠性预测方法的不足，提出了迭代非线性滤波算法下基于最小二乘支持向量机的可靠性预测方法，该方法合理的考虑到了可靠性时间序列数据的不确定性。 2、建立用于发动机系统可靠性数据预测的数学模型。为了能够运用迭代非线性滤波算法，基于最小二乘支持向量回归建立了发动机失效和可靠性时间序列预测模型的状态转移方程和观测方程。 3、为验证提出方法的有效性，用 IEKF和 IUKF两种滤波方法对提出的模型在MATLAB平台上进行仿真实验，得到了预测结果，利用四个评价指标，将得到的预测误差与文献中自回归模型（AR）、径向基函数神经网络（RBF-NNs）、多层前向反馈感知神经网络（MLP-NNs）预测模型的预测误差进行了比较，最终结果表明，本文所提出的预测方法具有更好的预测精度。
可靠性预测;最小二乘支持向量回归;时间序列;迭代非线性滤波
江苏科技大学
硕士
控制理论与控制工程
伍雪冬
2015
中文
TB114.3
86
2016-05-04（万方平台首次上网日期，不代表论文的发表时间）