基于油液光谱LSSVR-AR模型的发动机故障预测

摘要

针对传统油液光谱数据预测模型精度有限的不足,提出了一种基于最小二乘支持向量回归(LSSVR)与AR模型相结合的非平稳时间序列建模方法(LSSVR-AR),并应用于某型履带车辆发动机油液光谱数据及故障的预测.首先对非平稳时间序列进行最小二乘支持向量回归,得到非平稳时间序列的趋势项及剔除趋势项后的随机项;然后对随机项建立AR模型并与趋势项的LSSVR模型组合,得到非平稳时间序列模型;最后用所建模型对油液光谱数据及发动机故障进行预测.用所提建模方法对Fe、Cu、Pb、Si光谱数据预测的平均绝对百分比误差分别为1. 987%、2. 889%、2. 343%、6. 860%,明显低于其他模型.实例证明,所提模型能对发动机故障进行准确预测.