基于遗传算法和ARMA模型的航空发电机寿命预测

doi:CNKI:11-1929/V.20110324.1201.008

电子与自动控制

本期目录 | 过刊浏览 | 高级检索

前一篇 | 后一篇

基于遗传算法和ARMA模型的航空发电机寿命预测

崔建国¹, 赵云龙¹, 董世良², 张红梅¹, 陈希成²

1. 沈阳航空航天大学自动化学院, 辽宁沈阳 110136;
2. 沈阳飞机设计研究所, 辽宁沈阳 110035

收稿日期:2010-10-14 修回日期:2010-12-03 出版日期:2011-08-25 发布日期:2011-08-19
通讯作者: 崔建国,Tel.: 024-89724448 E-mail: gordon_cjg@163.com E-mail:gordon_cjg@163.com
作者简介:崔建国(1963-) 男,博士后,教授,研究生导师。主要研究方向:飞行器健康诊断、预测与综合健康管理,仿真技术与应用等。 Tel: 024-89724448 E-mail: gordon_cjg@163.com
基金资助:
航空科学基金 (2010ZD54012);辽宁省教育厅科研基金 (2008544);国防基础科研计划项目 (A0520110023)

Life Prognostics for Aero-generator Based on Genetic Algorithm and ARMA Model

CUI Jianguo¹, ZHAO Yunlong¹, DONG Shiliang², ZHANG Hongmei¹, CHEN Xicheng²

1. School of Automation, Shenyang Aerospace University, Shenyang 110136, China;
2. Shenyang Aircraft Design & Research Institute, Shenyang 110035, China

Received:2010-10-14 Revised:2010-12-03 Online:2011-08-25 Published:2011-08-19

摘要/Abstract

摘要： 针对航空发电机剩余使用寿命难以准确预测的问题,提出一种基于遗传算法(GA)优化的自回归与移动平均(ARMA)模型。运用航空发电机寿命专用试验平台,对某型航空发电机寿命进行长期试验,获取该航空发电机寿命相关数据。深入分析寿命试验数据,并对其建立ARMA模型。在此基础上,采用遗传算法对ARMA模型的阶数进行优化,分别采用ARMA模型与经遗传算法优化后的ARMA模型对航空发电机的使用寿命进行预测研究。结果表明,优化前后两种ARMA模型均可对航空发电机的使用寿命实现预测效能。优化前ARMA模型对航空发电机寿命预测的平均相对误差为4.33%;而经遗传算法优化后,ARMA模型预测的平均相对误差仅为2.26%,能更准确预测航空发电机的使用寿命,具有很好的工程应用价值。

关键词: 遗传算法, ARMA模型, 航空发电机, 寿命预测, 注油压力

Abstract: To improve the aero-generator life prediction accuracy, an optimized auto-regressive and moving average (ARMA) model based on the genetic algorithm(GA) is presented. A specific experimental platform is used to perform long-term life prediction experiments on a certain type of aero-generator and collect the related test data. After a thorough analysis of these test data, a corresponding ARMA model is designed, and the genetic algorithm is used to carry on the exponent number optimization of the model. Then the original and the optimized ARMA models are used respectively to conduct life prediction research on the service life of the aero-generator. The result shows that these two models can realize the function of predicting the service life of an aero-generator. The average relative prognostic error of the ARMA model after the optimization is 2.26%, which is less than 4.33%, the error of the original model without optimization. Thus a conclusion can be drawn that the optimized ARMA model can predict the service life of an aero-generator more accurately and this model may find wide application in engineering practice.

Key words: genetic algorithm, ARMA model, aero-generator, life prognostics, oil-filled pressure

中图分类号:

崔建国, 赵云龙, 董世良, 张红梅, 陈希成. 基于遗传算法和ARMA模型的航空发电机寿命预测[J]. 航空学报, 2011, 32(8): 1506-1511.

CUI Jianguo, ZHAO Yunlong, DONG Shiliang, ZHANG Hongmei, CHEN Xicheng. Life Prognostics for Aero-generator Based on Genetic Algorithm and ARMA Model[J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2011, 32(8): 1506-1511.

参考文献

[1] 孙博, 康锐, 张叔农. 基于特征参数趋势进化的故障诊断和预测方法[J]. 航空学报, 2008, 29(2): 393-398. Sun Bo, Kang Rui, Zhang Shunong. An approach to diagnostics and prognostics based on evolutionary feature parameters[J]. Acta Aeronautica et Astronautica Sinica, 2008, 29(2): 393-398. (in Chinese)

[2] Ly C, Tom K, Byington C S, et al. Fault diagnosis and failure prognosis for engineering systems: a global perspective//5th Annual IEEE Conference on Automation Science and Engineering. 2009: 108-115.

[3] Carlo G. Subset ARMA model identification using genetic algorithms[J]. Journal of Time Series Analysis, 2000, 21(5): 559-570.

[4] 高海龙, 张国立. 基于遗传神经网络的负荷预测方法[J]. 微计算机信息, 2009, 25(9-1): 189-190. Gao Hailong, Zhang Guoli. A load forecasting method based on GNN[J]. Microcomputer Information, 2009, 25(9-1): 189-190. (in Chinese)

[5] Goldberg D. Genetic algorithms in search optimization and machine learning[M]. MA: Addison-Wesley, 1989.

[6] Saqlain A, He L S. Optimization and sizing for propulsion system of liquid rocket using genetic algorithm[J]. Chinese Journal of Aeronautics, 2007(20): 40-46.

[7] Ives A, Abbott K C, Ziebarth N L. Analysis of ecological time series with ARMA(p,q) model[J]. Ecology, 2010, 91(3): 858-871.

[8] 韩路跃, 杜行检. 基于MATLAB的时间序列建模与预测[J]. 计算机仿真, 2005, 22(4): 105-107. Han Luyue, Du Xingjian. Modeling and prediction of time series based on MATLAB[J]. Computer Simulation, 2005, 22(4): 105-107. (in Chinese)

[9] Zhao S T, Pan L L, Li B S. Fault diagnosis and trend forecast of transformer based on acoustic recognition//The third International Conference on Electric Utility Deregulation and Restructuring and Power Technologies. 2008: 1371-1374.

[10] 何书元. 应用时间序列分析[M]. 北京: 北京大学出版社, 2003年. He Shuyuan. Applied time series analysis[M]. Beijing: Peking University Press, 2003. (in Chinese)

[11] Mohammadi K, Eslami H R, Kahawita R. Parameter estimation of an ARMA model for river flow forecasting using goal programming[J]. Journal of Hydrology, 2006, 331(1-2): 293-299.

[12] Song S K, Gorla N. A genetic algorithm for vertical fragmentation and access path selection[J]. The computer Journal, 2000, 43(1): 81-92.

[13] Wang S H, He R. A hybrid real-parameter genetic algorithm for function optimization[J]. Advanced Engineering Informatics, 2006, 20(1): 7-21.

[14] Han K H, Kim J H. On setting the parameters of quant urn-inspired evolutionary algorithm for practical applications//Proceedings of the 2003 IEEE Congress on Evolutionary Computation. 2003: 178-184.

[15] 周玉辉, 康锐. 基于退化失效模型的旋转机械寿命预测方法[J]. 核科学与工程, 2009, 29(2): 146-151. Zhou Yuhui, Kang Rui. Degradation model and application in life prediction of rotating-mechanism[J]. Chinese Journal of Nuclear Science and Engineering, 2009, 29(2): 146-151. (in Chinese)

编辑推荐 0

Metrics

阅读次数

全文

701

HTML			PDF

最新录用	在线预览	正式出版	最新录用	在线预览	正式出版
0	0	0	0	0	701

来源	本网站	其他网站

次数	205	496
比例	29%	71%

摘要

5681

最新录用	在线预览	正式出版

0	0	5681

来源	本网站	其他网站

次数	648	5033
比例	11%	89%

本文评价

地址：北京市海淀区北四环中路辅路238号柏彦大厦

邮政编码：100083

E-mail：hkxb@buaa.edu.cn

关于我们

期刊社服务

专业学科

封面文章

友情链接

主管单位：中国科学技术协会主办单位：中国航空学会北京航空航天大学

基于遗传算法和ARMA模型的航空发电机寿命预测

Life Prognostics for Aero-generator Based on Genetic Algorithm and ARMA Model

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐 0

Metrics

本文评价

[1]	崔壮壮, 原昕, 赵国庆, 井思梦, 招启军. 共轴刚性旋翼高速直升机前飞性能操纵策略影响[J]. 航空学报, 2024, 45(9): 529256-529256.
[2]	高同州, 贺小帆, 王晓雷, 李紫光, 朱振涛, 詹志新. 基于CDM理论与SVM模型的2014-T6铝合金疲劳寿命预测[J]. 航空学报, 2024, 45(7): 228952-228952.
[3]	杨倩, 郑皓冉, 程显达, 董威. 基于引气控制的热气防冰优化设计方法[J]. 航空学报, 2023, 44(S2): 729285-729285.
[4]	李天梅, 司小胜, 张建勋. 多源传感监测线性退化设备数模联动的剩余寿命预测方法[J]. 航空学报, 2023, 44(8): 227190-227190.
[5]	刘斌, 许靖, 霍美玲, 崔学英, 谢秀峰, 杨栋辉, 王嘉. 基于多尺度自适应注意力网络的剩余寿命预测[J]. 航空学报, 2023, 44(5): 226918-226918.
[6]	丁文俊, 柴亚军, 侯冬冬, 王驰宇, 张国宗, 毛昭勇. AUV&UAV跨域协同搜索与跟踪路径规划[J]. 航空学报, 2023, 44(21): 528471-528471.
[7]	王彬, 郑建军, 刘玮, 王高利. 基于考核目标等效的试验载荷处理方法[J]. 航空学报, 2023, 44(17): 228064-228064.
[8]	杨家鑫, 唐圣金, 李良, 孙晓艳, 祁帅, 司小胜. 基于多源信息的隐含非线性维纳退化过程剩余寿命预测[J]. 航空学报, 2023, 44(12): 227662-227662.
[9]	王秀锐, 李凯尚, 谷行行, 张勇, 陆体文, 王润梓, 张显程. 基于晶体塑性理论的高-低周疲劳寿命预测统一准则[J]. 航空学报, 2023, 44(10): 427300-427300.
[10]	董青, 郑建飞, 胡昌华, 余铜辉, 牟含笑. 考虑随机冲击影响的自适应Wiener过程剩余寿命预测方法[J]. 航空学报, 2022, 43(9): 225914-225914.
[11]	韩凯, 董日昌, 邵丰伟, 龚文斌, 常家超. 基于改进遗传算法的导航卫星星间链路网络动态拓扑优化技术[J]. 航空学报, 2022, 43(9): 326095-326095.
[12]	张晟斐, 李天梅, 胡昌华, 杜党波, 司小胜. 基于深度卷积生成对抗网络的缺失数据生成方法及其在剩余寿命预测中的应用[J]. 航空学报, 2022, 43(8): 225708-225708.
[13]	牟含笑, 郑建飞, 胡昌华, 赵瑞星, 董青. 基于CDBN与BiLSTM的多元退化设备剩余寿命预测[J]. 航空学报, 2022, 43(7): 325403-325403.
[14]	陈克明, 田若洲, 郭素娟, 王润梓, 张成成, 陈浩峰, 张显程, 涂善东. 循环热机载荷作用下航空涡轮盘蠕变疲劳寿命预测[J]. 航空学报, 2022, 43(5): 225290-225290.
[15]	胡嘉欣, 芮姝, 高瑞朝, 苟建军, 龚春林. 飞行器结构布局与尺寸混合优化方法[J]. 航空学报, 2022, 43(5): 225363-225363.