基于遗传权重的产品故障间隔时间灰度预报

摘要

通过遗传算法(Genetic Algorithm,GA)和灰度预报相结合的方法 ,在灰度预报中引入动态的缓冲算子权重ω,将灰度预报的残差方差和先验样本方差的后验差比值R作为遗传算法的适应度函数,通过遗传算法的交叉、变异操作对适应度函数进行寻优,最终计算出适应度函数最优值对应的最优缓冲算子权重ω,改进了灰度预报内部权重固定易造成模型失真、残差过大,以及评价不准确的缺点,形成了一套新的用于产品故障间隔时间预报的灰度预报模型GA-GM(1,1,ω).通过对某型发动机产品故障预报的算例验证,以及GA-GM(1,1,ω)与灰度预报的对比分析,进一步证明了基于GA-GM(1,1,ω)进行产品故障预报的科学性、精确性与稳定性.