基于PSO-EIman神经网络与分位数回归的活塞环-气缸套磨损量预测模型与分析OA
为实现柴油机活塞环-气缸套磨损量的精准预测,提出一种基于粒子群优化(particle swarm optimization,PSO)的Elman神经网络结合分位数回归的区间预测方法。首先通过往复式加速磨损试验台获取不同工况下的磨损量数据,构建以载荷、温度和磨损时间为输入,磨损量为输出的预测模型;然后利用PSO算法对Elman神经网络的隐藏层神经元数量、学习率、正则化系数等关键超参数进行自动寻优,并引入Dropout机制以增强模型泛化能力;最后结合分位数回归构建95%置信区间,量化预测不确定性。结果表明:与基础Elman和贝叶斯优化Elman(Bayesian optimization algorithm,BOA-Elman)模型相比,PSO-Elman模型在活塞环与气缸套的测试集上均表现出更优的预测精度,其决定系数(R²)分别达到0.9854和0.9879,平均绝对百分比误差(mean absolute percentage error,MAPE)分别降至1.14%和1.12%;同时,该模型的预测区间覆盖率最高可达96.15%,区间宽度更为紧凑,在保证可靠性的前提下有效平衡了预测精度与不确定性。该方法可为活塞环-气缸套的寿命评估与视情维护提供支持。
银政淏;王静思;杨家乐;韩晓光;沈岩
大连海事大学轮机工程学院,大连116026大连海事大学轮机工程学院,大连116026大连海事大学轮机工程学院,大连116026大连海事大学交通运输工程学院,大连116026大连海事大学轮机工程学院,大连116026
能源科技
活塞环气缸套磨损量预测Elman神经网络分位数回归粒子群优化柴油机
《内燃机工程》 2026 (5)
P.186-197,12
工信部高技术船舶科研项目(202123J-2)。
评论