机电系统健康状态预测和维修决策的双向优化方法

在以机电系统为代表的复杂装备健康管理的应用场景中,健康状态预测与维修决策操作依赖于装备的健康状态演化进程,二者在所依赖的知识上具有明显的耦合性,对应的二元知识也因此具有双向融合的价值。本文从健康状态评估与维修排故二元知识的双向融合出发,提出一种面向机电系统的健康状态预测和维修决策双向优化方法,即定期利用该阶段累积的有限运行记录,在该阶段的健康状态预测和即时维修决策模型上做出优化。最后,本文基于实际机电系统中天线调平系统的仿真实验对本文所提的双向优化方法进行了验证,健康状态预测误差稳定降低到0.002%,维修决策收益稳定提升到93.57,验证了本文提出的健康状态预测与维修决策协同方法的有效性。

基于耦合自适应距离的高维异常检测算法

距离聚类方法是航天器等复杂系统实现遥测参数异常检测的常用方法之一,但在面对高维遥测数据进行异常检测任务时,往往会暴露出效率低下、精度劣化等严重问题。针对基于高维遥测数据的航天器异常检测难题,提出了一种基于耦合自适应的改进距离定义,并针对归纳监视系统(IMS)算法这一经典距离聚类算法进行了改进。该方法利用历史数据的分布特征,在进行聚类的同时,对于参数耦合性进行动态挖掘,并将挖掘到的知识高效地投入到异常检测任务。最后,采用运载火箭电源系统的真实高维遥测数据对所提方法进行了应用验证。在与多种传统基于IMS的异常检测方法的对比实验中,该改进算法检测效率与准确率较另两类IMS算法中的最优方法分别提升了41.83%和69.03%,验证了运用该距离定义的检测方法在效率与精确率上的优越性。

书柜门镜上的我

开头简妙写法——扣题提示写什么： 我的书房并不大，只有一隅的角落闲置，但不多久就被一个书柜占了地儿。