论文部分内容阅读
润滑油金属含量是航空发动机摩擦件健康状态的重要表征，通过对其进行预测可提前发现相应部件的机械故障，避免造成严重的发动机二次损伤。在航空发动机的实际运行期间，润滑油金属含量受许多复杂因素影响，用传统方法难以有效预测其变化趋势。提出一种基于双隐层径向基过程神经网络的润滑油金属含量预测方法，并开发一种基于软竞争学习算法和BP学习算法的混合学习算法。将该方法用于某型航空发动机润滑油铁金属含量预测，取得了满意的结果。