| 航空发动机性能退化的小样本预测方法研究 |
| Small-Sample Prediction Method for Aero-Engine Performance Degradation |
| 摘要点击 12 全文点击 0 投稿时间：2025-06-12 修订日期：2026-02-07 |
| 查看/发表评论 下载PDF阅读器 |
| 中文关键词 性能退化; 灰色马尔可夫; 小样本预测; 航空发动机 |
| 英文关键词 Performance Degradation; Grey Markov; Small Sample Prediction; Aeroengine |
| 基金项目 国家自然科学基金项目（面上项目，重点项目，重大项目）,国家重点基础研究发展计划（973计划） |
| 投稿方向 建模与预报 |
| 作者 | 单位 | 邮编 | | 吴蓓 | 西北工业大学管理学院 | 710129 | | 龙正思 | 西北工业大学管理学院 | | | 车阿大 | 西北工业大学管理学院 | | | 滕跃* | 东航技术应用研发中心 | 201799 |
|
| 中文摘要 |
| 针对航空发动机性能退化预测中常见的小样本、非平稳数据特征, 提出一种融合实数域灰色生成算子与马尔可夫链误差修正机制的 RDGM-MK 混合预测模型. 该模型通过 Gamma 函数重构连续阶生成算子, 捕捉非线性变化趋势; 同时, 利用粒子群算法优化马尔可夫误差修正中的白化系数计算, 降低随机预测误差, 提高长期预测精度. 以航空发动机螺栓扭矩衰退数据为例的验证结果表明, RDGM-MK 模型相较于传统 GM (1,1) 和 RDGM 模型, 在预测精度和稳定性方面均有一定提升, 为航空发动机的预防性维护提供了决策支持. |
| 英文摘要 |
| Performance degradation prediction of aero-engines is challenged by small sample sizes and non-stationary data characteristics. This study develops an RDGM-MK model that integrates real-domain grey generation operators with a Markov chain-based error correction mechanism. The model employs Gamma-function-based continuous-order generation operators to characterize nonlinear degradation patterns. Particle swarm optimization improves whitening coefficient calculation in Markov error correction, reducing prediction uncertainty. Experimental validation was conducted using aero-engine bolt torque degradation data. The results demonstrate that the proposed RDGM-MK model outperforms conventional GM (1,1) and RDGM models in terms of both prediction accuracy and stability. The proposed method provides effective technical support for preventive maintenance decision-making in aero-engine systems. |
| 关闭 |
