转子误差智能预测

结合表面分类器和GA-BP神经网络，提升航空发动机转子平行度与不平衡量的预测准确性。

Li, Ruirui · 孙传智 · 刘永猛 · 梅英杰 · Tan, Jiubin

IEEE Transactions on Instrumentation and Measurement 2023

参数信息

表面分类精度

99 %

平行度预测误差降低量

7.5 μm

不平衡量最大偏差降低量

250.6 g·mm

技术优势

分类更准

结合PCA与SVM对转子表面进行分类，精度达到99%，能够为后续预测提供可靠输入。

预测误差更小

采用GA-BP神经网络，平行度预测误差降低7.5 μm，不平衡量最大偏差降低250.6 g·mm，比传统模型更接近实验数据。

应用场景

• 航空发动机制造：为转子装配提供高精度误差预测，优化制造过程。
• 装配质量检测：自动预测平行度与不平衡量，替代人工经验判断。
• 精密测量：提升测量数据的利用率，实现误差的智能推算。
• 工业物联网：算法可集成到在线监测系统，实现实时预测。