基于改进主元分析的故障诊断方法研究

提出了一种主元分析与模糊聚类相结合的故障诊断方法,该方法首先用主元分析方法降维、提取故障特征,并计算出T2值和Q值,若超过阈值说明有故障发生,则用模糊聚类识别故障,具有诊断时间短、准确性高的优点.通过对田纳西-伊斯曼过程的仿真表明了该方法的有效性.     

有控飞行器非线性气动模型结构的确定（II）

针对非线性气动模型结构中必然存在的共线性问题，冲破传统模型结构确定方法的束缚，提出了基于共线性诊断和主元回归及主元分析筛选变量法进行非线性模型结构确定的新思想，有效地解决了非线性模型结构确定问题，进而首次讨论了本文给出的模型结构确定方法与最优输入设计及参数可辨识性三者间的关系，某型飞行器非线性气动模型的确定证明了本文方法的有效性。     

重力异常特征提取方法研究

将主元分析和独立分量分析相结合应用于重力异常信号的特征提取.采用主元分析对测量数据进行去相关和降维预处理,再利用独立分量分析算法提取重力信号的特征系数.结合重力异常变化与特征系数的关系,提出了应用特征量化参数表征重力异常信号变化程度的方法.基于实测的重力异常信号进行了仿真试验,试验结果表明,本文提出的特征量化参数能有效的反映重力异常的幅值变化程度.     

基于量子粒子群和流形学习的分类方法及其在发动机故障诊断中的应用

针对测量参数存在的非线性、参数间的耦合性以及噪声干扰,将量子粒子群算法引入到流形学习的参数选择中,结合径向基神经网络,提出了一种故障诊断方法。邻域个数和约简维数是流形学习中的关键问题。结果表明:该方法首先利用量子粒子群算法优选邻域个数、约简维数和径向基函数的参数,再利用等距特征映射(ISOMAP)对原始参数进行非线性降维,提取其低维流形特征,从而进行故障分类。结果表明:该方法能够有效地对发动机各种复合故障进行分类,精度达到97.33%,量子粒子群优于基本粒子群优化的分类结果;其分类精度明显优于主元分析(PCA)、核主元分析(KPCA)方法,且有很强的抗噪能力。     

基于PCA-TN的直升机主减速器通用热分析计算

针对当前热分析方法无法满足直升机主减速器结构复杂多变的问题,提出了一种快速获取主减速器温度场分布的通用热分析方法。以典型直升机主减速器为样本,进行了主成分分析（principal component analysis,PCA）,并结合热网络法（thermal network,TN）,分析获得3种通用热分析单元体模型。对于不同结构的主减速器,通过单元体及其衍生体的组合可以迅速且有效地建立其系统热分析模型,求解获得温度场分布。以某直升机主减速器为例,应用该方法进行了热分析,并与试验进行了对比,结果表明:该方法能高效计算主减速器的温度场分布,计算值与试验值最大误差为5.07%,满足主减速器热分析工程计算需求。      

基于主元分析的微小型飞行器视觉导航

作为一种新兴的无人机,微小型飞行器(MAV)近年来广受关注。研究微小型飞行器导航技术的关键是研究视觉导航技术在微小型飞行器中的应用。针对微小型飞行器视觉导航中的运算量大而导致算法实时性差的问题,给出了一个新的计算框架。利用主元分析技术(PCA),在最小方差意义下得到了图像的简化表示。在此简化的基础上,进行了图像特征的提取。对真实图像的实验结果表明,利用主元分析处理后的图像进行导航特征的提取,其实时性优于RGB三通道求和取平均的方法。     

基于卡尔曼滤波和主元分析的发动机性能衰退

在给定测量参数基础上,通过非线性估计得到对应离散时刻的部件性能参数,利用数据插值方法扩充测量参数。利用主元分析方法对这些测量参数进行分解,提取反映性能衰退的成分,以此构造反映性能变化的统计量,假定该统计量服从,分布,对性能衰退情况做进一步分析,得到在10000时间点附近性能衰退最为严重,已超过阀值,与前面参数估计结果相符。用部件性能衰退分析方法对发动机性能状况监控,为及时采取维护措施提供了一定的指导作用。     

基于自适应核主元分析的EHA系统传感器故障检测

针对核主元分析(KPCA)方法难以选择合适核函数的问题,提出了一种基于自适应核主元分析的传感器故障检测方法,根据训练数据对核函数进行自适应修正,使核函数适应给定的训练数据。对常规数据标准化处理方法进行了改进,提出了一种"均值化"的处理方法,使处理后的数据既能消除不同变量幅值和量纲的影响,又能反映训练数据的全部信息。将此方法应用于机载电动静液作动器(Electro-Hydrostatic Actuator,EHA)系统的传感器故障检测,结果表明,此方法比常规KPCA方法更为先进,具有更好的故障检测性能。     

有控飞行器非线性气动模型结构的确定（Ⅱ）

针对非线性气动模型结构中必然存在的共线性问题，冲破传统模型结构确定方法的束缚，提出了基于共线性诊断和主元回归及主元分析筛选变量法进行非线性模型结构确定的新思想。有效地解决了非线性模型结构确定问题，进而首次讨论了本文给出的模型结构确定方法与最优输入设计及参数可辨识性三者间的关系。某型飞行器非线性气动模型的确定证明了本文方法的有效性。     

基于核函数主元分析的航空发动机故障检测方法

航空发动机性能由正常到异常、再由异常发展到完全故障的阶段,其参数变化具有一定非线性特征。为了有效检测这种具有非线性特征的故障,提出一种基于核函数主元分析(KPCA)的非线性故障检测方法。该方法通过核函数完成非线性变换,将变量由非线性的输入空间转换到线性的特征空间,在特征空间中使用线性主元分析(PCA)方法计算主元,构造T2和SPE统计量检测故障的发生。通过对某型涡扇发动机进行实例验证分析,结果表明,KPCA方法一方面克服了综合参数法由于没有确定的警戒值而无法有效地进行故障检测的不足;另一方面KPCA方法在非线性故障检测过程中能够提取重要的非线性特征信息,因而比PCA方法能更早地检测到早期潜在故障,且KPCA方法检测错误率更低。因此,KPCA方法更适合于具有非线性特征的航空发动机故障检测。     

多参数空测数据的统计分析和疲劳载荷状态的确定

介绍多元统计分析理论在多参数空测数据统计分析中的应用和发展,以及由多参数统计分析确定疲劳载荷状态的方法。简述了统计分析程序的功能,给出了用某型战斗机实测数据进行统计分析的具体实施过程和结果。最后提出了由聚类分析结果确定疲劳载荷状态的归并原则。     

一种基于主成分分析法的发动机性能评估方法

为了能对发动机机队的性能进行视情维修管理和实时排序,利用多属性风险决策方法对高位空间进行降维处理,并根据性能参数中蕴含的客观信息建立主成分分析方法的综合模型。由该方法得出的综合指数可判断发动机的相对性能,为发动机性能评估提供依据。     

基于逻辑回归的APU性能状况评估

针对飞机辅助动力装置(Auxiliary Power Unit,简称APU)性能评估研究中单参数评估不全面的问题,提出了基于逻辑回归模型的方法,融合多参数来对飞机APU性能状况进行全面评估。首先,对APU参数数据来源进行分析,选择基于实时报文数据的APU性能评估方法,并结合APU的工作原理以及实际工作情况,挑选出可以反映APU性能状态的特征参数,然后利用主成分分析法(Principal Component Analysis,简称PCA)对原始特征参数进行降维处理。其次,以APU正常性能状态历史数据和性能严重衰退状态历史数据建立逻辑回归模型。最后,根据回归模型得到APU全寿命周期的健康指数(Health Index,简称HI)并对其进行验证。结果表明,APU性能健康指数曲线能很好的反映APU各个阶段的性能变化情况,可以为后续的视情维修策略的制定提供技术参考。     

商用飞机机务维修保障能力评价方法

商用飞机机务维修保障能力的评价效率亟须提高。首先,建立商用飞机维修保障系统能力评估指标体系;然后,介绍主成分分析法的原理,并建立优化决策模型;最后,通过SPSS软件采用主成分分析法对不同维修保障方案进行评估,以保证飞机的适航完整性。结果表明:主成分分析法消除了主观因素对评价的影响,得到的评价指标可用于商用飞机维修保障能力的定量评价,评价结果可为各航空公司及维修单位提供借鉴。     

无人机故障特征提取问题研究

针对无人机故障诊断前故障特征提取的问题进行了分析。引入了主成分分析法,用于对初始的特征参数样本进行降维处理。根据无人机特征参数样本复杂多维的特点,结合故障诊断时对特征向量相关性的要求,提出按功能模块对特征样本进行分类的改进方法,达到初步降维和保存需要的相关性向量的要求。     

模糊主成分分析方法的研究与分析

主成分分析(PCA)是一种广泛应用于数据压缩的多元统计分析方法.然而,经典主成分分析它对极端值及缺失值非常的敏感,而极端值与缺失数据会带来残缺或错误的分析结果.针对经典主成分分析的缺点本文提出了模糊数学期望、模糊离差、模糊方差、模糊协方差及模糊相关系数的概念,从而提出了一种有效方法来改进经典主成分分析,即模糊主成分分析(Fuzzy PCA).把模糊数学的知识应用到主成分分析中,使模糊集参与决策分析,使人为因素带来的不确定性达到最小,从而大大提高了分析结果的准确性和可信度.同时,本文以模糊主成分分析为出发点,建立了一个数据分析平台,平台具有可移植性,为其它使用提供了通用接口,为解决类似问题提供极大方便.     

一种鲁棒的概率核主成分分析模型

大数据时代面临的数据维数越来越高,对数据降维处理越发显得重要。经典的主成分分析模型已被证明是一种有效的数据降维方法。但它在处理非线性、存在噪声和异常点的数据时存在效果较差的问题。对此,文章提出了一种鲁棒概率核主成分分析模型。该模型将核方法与基于高斯隐变量模型的极大似然框架相结合,用多元 t分布作为先验分布,以同时解决主成分分析在这 3个方面的弊端。提出混合鲁棒概率核主成分分析模型,使其可直接用于对混合的非线性数据进行降维和聚类分析。在不同数据集上进行的实验结果表明,与标准的混合概率核主成分分析模型相比,文中模型在数据聚类方面有更高的准确率。     

基于主成分分析和灰色关联度的空域利用率

空域利用率是反映空域资源使用情况的重要指标。提出了基于主成分分析法和灰色关联度的空域利用率评价方法,确定理想空域并将其作为参照对象,通过考虑评价指标之间的相关性,运用主成分分析法得到各评价对象的空域利用综合得分,计算各年空域利用综合得分与理想空域利用综合得分的关联度,得到各年空域利用率。算例分析验证了方法的可行性。     

基于时间应力分析的机内测试系统综合降虚警技术

 虚警率高是困扰机内测试（BIT）系统得到广泛应用的主要原因。针对该问题,从机电系统所承受时间应力的角度构建了机内测试系统综合降低虚警技术的总体模型。首先采用双支持向量机（SVM）的方法将实时应力信息与机内测试诊断结果相互关联。在此基础上,提出了基于核主元模糊聚类的虚警识别方法将机电系统多源信息进行综合分析,并通过优化决策实现多级降低机内测试系统虚警的目的。最后,针对某型直升机航空地平仪的机内测试系统进行了试验验证与分析。