一种新的混合智能预测模型及其在故障诊断中的应用
胡桥1,何正嘉2,訾艳阳1,张周锁1,雷亚国1
(1.西安交通大学机械工程学院，710049,西安；2.西安交通大学机械制造系统工程国家重点实验室，710049,西安）
摘要:针对机电设备运行状态受多因素影响且变化趋势复杂、难以用单一预测方法进行有效预测的问题，提出了一种新的基于经验模式分解、支持向量机和自适应线性神经网络的混合智能预测模型.首先，利用经验模式分解方法将非平稳时间序列按其内在的时间特征尺度自适应地分解为多个本征模式分量，然后根据这些分量各自趋势变化的剧烈程度选择合适的核函数，用支持向量机对其进行预测，最后通过自适应线性神经网络对这些预测分量进行自适应加权组合，得到原始序列的预测值.研究结果表明，对于标准算例和某机组振动趋势的预测，不论是单步预测还是多步预测，该模型的预测性能均好于单一的支持向量机预测方法.
关键词:经验模式分解；支持向量机；自适应线性神经网络；混合智能预测
中图分类号:TH17；TP18文献标识码:A文章编号:0253-987X(2005)09-0928-05