基于NMF的SVM故障诊断方法

针对大维数系统故障诊断中存在特征提取困难和识别率低的问题,提出基于非负矩阵分解(NMF,Non-negative Matrix Factorization)的支持向量机(SVM,Support Vector Machine)诊断方法,避免了直接对故障特征的选择和提取,实现特征降维,提高故障模式分类的准确性和速度;对于NMF中的结果随机性问题,提出用前次分解所得系数矩阵求解样本降维特征矩阵的方法,保证多次NMF分解尺度一致.实验表明该方法能对故障特征有效降维,并具有较高的诊断效率和故障识别率.     

PHM系统验证指标研究

在分析预测与健康管理(PHM)核查与验证技术发展现状的基础上,深入分析了PHM系统核查与验证指标,从故障诊断和故障预测两个方面对主要的PHM系统能力度量指标进行定义和诠释。     

基于误差最小的SVM最优分类面修正

针对C-支持向量机(C-SVM,C-Support Vector Machine)中惩罚系数C可能导致最优分类面不合理的问题,提出基于误差最小的SVM最优分类面修正方法.通过调整正负类分类间隔的约束条件,求解使训练样本总误差最小的偏置系数,并兼顾与正负类误差之差的绝对值的平衡,得到误差最小的更优分类面.实验证明该修正方法与C-SVM及其它修正方法相比,具有较高的分类精度和较强的抗噪声与野值数据干扰能力.     

多源数据驱动下的航空装备状态鉴定通用质量特性评估方法研究

在新的试验鉴定体系下，航空装备状态鉴定通用质量特性评估不应只停留在研制阶段的试验室试验验证，还应进一步开展性能鉴定试飞试验。航空装备状态鉴定过程中存在通用质量特性评估目标不明确、数据不完整和方法不完善等三大关键问题，严重限制了航空装备通用质量特性评估有效性。因此工程中迫切需要解决以上问题，重点围绕近实战环境下通用质量特性评估指标体系构建、数据收集内容与模板研究，以及状态鉴定多渠道数据融合的通用质量特性评估方法研究等，以便有效解决状态鉴定中通用质量评估无统一方法可依的现状。