基于LS-SVM的航空发动机气路参数趋势在线预测

将最小二乘向量机（LS-SVM）应用于航空发动机气路参数趋势在线预测。首先，分析了PATS系统所接收的空地数据链（ACARS）报文的特点，构建用于实时存储和解析的发动机报文并行处理系统，获取在线模型的训练样本；其次，针对实时样本，利用最终误差预报准则（FPE）确定嵌入维数，采用直接搜索法优化LS-SVM建模参数，建立了基于LS-SVM的气路参数预测模型。与航路飞机建立ACARS链接，获取发动机实时气路数据，预测气路参数变化趋势。与已有神经网络预测模型相比，具有更高的一步预测和多步预测精度。该方法解决了发动机预诊断中的数据趋势预测问题。