系统工程与电子技术

作者：王坤(), 侯树贤(), 王力()

单位：中国民航大学电子信息与自动化学院, 天津 300300

关键词：辅助动力装置,粒子群优化算法,性能参数预测,支持向量机

基金：国家自然科学基金委员会与中国民用航空局联合资助项目(U1733119);中央高校基本科研业务费项目(3122018C001)

为提高辅助动力装置(auxiliary power unit, APU)性能参数预测的精度,针对支持向量机(support vector machine, SVM)模型在实际使用中遇到的参数选择问题,采用自适应变异粒子群优化(particle swarm optimization, PSO)算法实现对SVM惩罚参数和核参数的优化选择,提出一种基于自适应变异PSO算法优化SVM的APU性能参数预测模型。进一步分析了预测模型不同预测步长对短期预测精度的影响。利用某型APU性能参数数据进行了验证,并与多种预测模型进行了对比实验。实验结果表明,对于排气温度(exhaust gas temperature, EGT)的预测,自适应变异PSO-SVM模型的平均绝对百分比误差(mean absolute percentage error, MAPE)比标准PSO-SVM模型低47%;对于滑油温度(oil temperrature, OT)的预测,自适应变异PSO-SVM模型的MAPE比标准PSO-SVM低29%,为短期APU性能变化趋势预测提供了一定的参考。

来源：2021年第2期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2021年第2期