关键词：报文系统 数据分析 故障预测 支持向量机 

摘要：针对辅助动力装置(Auxiliary power unit,APU)故障预测时,仅基于快速存取记录器(Quick access recorder,QAR)数据存在实时性欠缺或精度不足的问题,提出了基于实时报文数据的APU故障预测方法。首先,对报文所采集的数据进行预处理,将每次航班的报文数据规整为一条数据集;其次,从参数阈值、维修记录及APU序列号变化情况等角度对数据集进行标注工作;随后,针对特征选择算法具有较差解释性的缺点,提出通过相关性分析选取能够表征APU运行性能的参数;最后,建立基于支持向量机(Support vector machine,SVM)的多参数故障预测模型并优化。经验证,该模型提高了预测正确率,为APU视情维修策略的制定提供参考。

南京航空航天大学学报杂志要求:

{1}引言作为论文的开场白，应以简短的篇幅介绍论文的研究背景和目的，对相关领域内前人所做的工作和研究进行简要的概括。

{2}来稿应观点明确，数据准确、完整，文字精炼通顺，层次清晰，结构严谨。

{3}参考文献应选择公开发表且以主要的列入，其序号按文中出现的先后为序编排。著录格式按GB/T7714-2005“文后的参考文献著录规则”编排。

{4}提供关键词5～8个，中、英文关键词要对应，分别置于中、英文摘要之后。

{5}论文须严格遵守学术规范，文图责任自负。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社