[发明专利]一种基于支持向量机回归的航空发动机载荷谱任务段建模方法

权利要求书

1.一种基于支持向量机回归的航空发动机载荷谱任务段建模方法，其特征在于，包括如下步骤：

(1)提取航空发动机载荷谱任务段数据；

(2)将任务段数据进行预处理，建立训练样本集和测试样本集；

(3)输入训练样本集，初始化支持向量机回归模型的参数，设置参数变化范围；

(4)采用遗传算法获得支持向量机回归模型的最优参数；

(5)训练获得航空发动机载荷谱任务段仿真模型，并计算出训练样本集的预测值；

(6)输入测试样本集，采用仿真模型计算测试数据的预测值；

(7)航空发动机载荷谱任务段建模精度分析。

2.如权利要求1所述的基于支持向量机回归的航空发动机载荷谱任务段建模方法，其特征在于，步骤(1)中，提取航空发动机载荷谱任务段数据具体为：对不同类别航空发动机载荷谱任务剖面进行任务段的划分，提取同类任务段的载荷数据。

3.如权利要求1所述的基于支持向量机回归的航空发动机载荷谱任务段建模方法，其特征在于，步骤(2)中，将任务段数据进行预处理，建立训练样本集和测试样本集具体为：统计步骤(1)中通过划分并提取得到的同类任务段数据，统一各任务段长度，并将各任务段载荷数值进行归一化处理，以预处理后得到的m个任务段的数据作为训练样本集D＝{(x_i,y_i|i＝1,…,m)}，n个任务段的数据作为测试样本集其中x为任务段长度，y为任务段载荷数值。

4.如权利要求1所述的基于支持向量机回归的航空发动机载荷谱任务段建模方法，其特征在于，步骤(3)中，输入训练样本集，初始化支持向量机回归模型的参数，设置参数变化范围具体为：根据步骤(2)中建立的训练样本集D＝{(x_i,y_i|i＝1,…,m)}，采用高斯径向基核函数k(x,x')＝exp(-r||x-x'||²)作为支持向量机回归的核函数，确定支持向量机回归模型参数为惩罚系数C,不敏感损失函数参数ε和核函数参数r，分别设置这三个参数的初始化数值和变化范围。

5.如权利要求1所述的基于支持向量机回归的航空发动机载荷谱任务段建模方法，其特征在于，步骤(4)中，采用遗传算法获得支持向量机回归模型的最优参数具体包括如下步骤：

(41)将步骤(3)中初始化的三个模型参数通过编码变成染色体，形成初始种群；

(42)将染色体解码以进行支持向量机回归模型的训练，计算初始种群染色体的适应度，适应度为评价染色体质量的标准，将支持向量机回归的训练结果误差作为适应度；

(43)根据初始种群染色体适应度，进行选择、交叉、变异等遗传操作组成新种群，对新种群染色体同样解码进行支持向量机回归模型的训练，计算新种群染色体适应度；

(44)循环选择、交叉、变异等遗传操作并计算每次循环中新种群染色体的适应度，当参数的适应度达到给定的阈值，或者参数的适应度和种群适应度不增加，或者迭代次数达到预定值时，遗传算法循环停止，得到与最小适应度相对应的最优参数。

6.如权利要求1所述的基于支持向量机回归的航空发动机载荷谱任务段建模方法，其特征在于，步骤(5)中，训练获得航空发动机载荷谱任务段仿真模型，并计算出训练样本集的预测值具体为：基于步骤(4)获得的最优参数，输入训练样本集数据，训练获得任务段仿真的支持向量机回归模型，并得到训练样本集的预测值

7.如权利要求1所述的基于支持向量机回归的航空发动机载荷谱任务段建模方法，其特征在于，步骤(6)中，输入测试样本集，采用仿真模型计算测试数据的预测值具体为：采用步骤(2)中建立的测试样本集代入步骤(5)训练得到的仿真模型，获得测试样本集的预测值

8.如权利要求1所述的基于支持向量机回归的航空发动机载荷谱任务段建模方法，其特征在于，步骤(7)中，航空发动机载荷谱任务段建模精度分析具体为：计算训练样本集以及测试样本集的预测值的平均绝对误差MAE和均方误差MSE：

采用MAE和MSE计算任务段建模精度。