一种基于MPSO-RBF神经网络的船舶关键部件健康状态预测方法

本发明公开了一种基于MPSO‑RBF神经网络的船舶关键部件健康状态预测方法，属于预测与健康管理技术领域，包括：对多源异构监测参数进行预处理后，选择与部件健康状态相关的监测参数作为状态特征，构建已知状态信号特征序列；将已知状态信号特征序列输入到训练成熟的MPSO‑RBF神经网络模型中，输出值作为关键部件随后的状态特征预测值，其中，MPSO‑RBF神经网络模型在RBF神经网络模型的基础上，引入改进PSO算法对网络参数进行自适应选取；根据状态特征预测值，与先验知识建立的信号特征值与健康状态的对应关系，确定和评估当前设备所处的健康状态。本发明使用改进的PSO与RBF神经网络的结合提高了装备预测的精度。