论文部分内容阅读
针对装备故障样本数据量少、非线性强，故障预测困难的问题，提出了一种基于支持向量机回归的故障间隔时间预测模型。在不同核函数条件下，以提高核函数的普遍适应性和拟合精度为目的，通过实例分析选择了相对于装备故障数据的最佳核函数，并根据故障样本数据的特点，设计了与之相适应的核函数参数。实验结果表明，与常用的BP神经网络预测模型相比，该模型有更强的鲁棒性和推广能力，具有一定的实用价值。