论文部分内容阅读
针对传统故障预测方法不能直接预测设备状态的不足，提出了将改进隐马尔科夫模型（HMM）和最小二乘支持向量机（LS—SVM）相结合的机载设备故障预测方法。首先，采用多智能体遗传算法对HMM参数进行训练优化，克服了B-W算法易陷入局部最优解的缺陷；其次，分别研究设计了设备是否具有使用阶段状态退化过程数据2种情况下的故障预测算法流程；最后，以飞机发动机温控放大器为应用对象进行仿真计算。结果表明，该算法不仅预测精度高，而且预测结果直接与设备状态相关，易于理解分析。