改进的军用飞机涡轮叶片预测性维修方法

摘要

为了对军用飞机发动机涡轮叶片进行维修性预测,论文首次提出多变量分析与随机森林算法结合的预测方法.首先,利用多变量的方法进行归一化及变量选取,将待预测时刻最近一段时间的预测值与实际值构成融合矩阵,并与增量学习结合进行二次学习.然后,通过多变量与维修频率相关性分析,对结果进行排序筛选出特征值;接下来,构建融合矩阵,将训练数据集和测试数据集输入到融合矩阵决策模型中进行预测,得到预测结果.最后,实验结果显示:几种不同方案的平均绝对百分误差(MPEG)均大幅下降.结果表明,论文方法能够有效提高预测精度,对于保障飞行安全、降低叶片损伤和报废率,从而降低维护成本有着重大意义.