收集现役某典型民用航空发动机某段时间内飞行中的实际性能数据,根据排气温度（EGT）测量值及相对于基线的偏差值计算每个航段的基线值,随后依照拉依达法则进行预处理,同时构建了模型的训练输入样本和输出样本;运用支持向量回归机（SVR）建立了该型发动机排气温度基线模型,采用遗传算法进行SVR的三个参数优化计算;使用求解出的模型对测试样本进行测试,通过与原始值的对比分析表明,SVR建立的排气温度基线模型具有较高的预测精度,同时具有良好的泛化性能,对航空发动机健康和性能预测具有实际的指导意义。

文章针对自主研制的三维微纳米测量探头存在的三轴耦合问题,分析了耦合误差产生的原因,研究了基于支持向量回归机(support vector regression,SVR)中ν-SVR算法的解耦方法,并利用Libsvm软件实现了该方法,得出了解耦模型;采用探头的同一组实测数据,将SVR解耦得到的模型误差与常用的多元线性回归、泰勒展开式、神经网络3种解耦方法的模型误差进行了比较。结果表明,用SVR解耦方法得到的探头三维方向的模型误差平方和明显较小,该方法能够显著提高三维测量探头的测量精度。