基于灰色相关向量机的故障预测模型

针对样本数据量较小条件下的故障预测问题,提出了一种灰色相关向量机(relevance vector ma-chine,RVM)故障预测模型。在模型的训练阶段,根据特征数据序列建立其离散灰色模型(discrete grey model,DGM),以DGM的预测值作为输入、原始数据序列作为输出,训练得到RVM回归预测模型;在模型的预测阶段,由建立的DGM和RVM回归预测模型组合得到灰色RVM故障预测模型,并通过引入新陈代谢过程,不断更新数据中的信息。实验结果表明,模型的预测性能优于传统的灰色预测模型。

基于自适应RVM的电子系统缓变故障预测方法

针对电子系统缓变故障的预测问题,提出一种自适应相关向量机(RVM,Relevance Vector Machine)方法.首先,对反映电子系统性能的参数序列进行相空间重构,建立RVM的输入输出对应关系;然后,将嵌入维数和核函数参数作为人工鱼位置,取留一交叉验证(LOOCV,Leave-One-Out Cross-Validation)误差的相反数作为目标函数,利用人工鱼群算法(AFSA,Artificial Fish Swarm Algorithm)实现方法参数的自适应优化选择;最后,通过雷达发射机高压电源与多注速调管的故障预测实验验证了方法的性能.实验结果表明:该方法在预测精度和预测可靠性方面优于现有方法.

电子系统状态时间序列预测的优化相关向量机方法

针对电子系统状态时间序列的预测问题,提出一种基于量子粒子群优化(quantum-behaved particle swarm optimization,QPSO)的相关向量机(relevance vector machine,RVM)方法。对电子系统状态时间序列进行相空间重构,建立了RVM回归预测模型;以交叉验证误差最小作为优化目标,将RVM核参数表示为量子空间中的粒子位置,采用QPSO算法实现RVM模型参数的自动优化选择。雷达发射机状态时间序列预测实例表明,相比已有方法,所提方法具有更高的预测精度;同时,能够输出预测值的置信区间,有利于对电子系统未来健康状况做出更加可靠的判断。

基于决策树和相关向量机的智能故障诊断方法

针对故障诊断面临的故障样本少、非线性强、多故障处理等问题以及传统智能诊断方法存在的不足,提出了一种基于决策树(DT)和相关向量机(RVM)的智能故障诊断方法。通过构造决策二叉树,将多类分类问题分解成多个二类分类问题;在各个决策节点,利用RVM进行二类分类,从而实现RVM的多类分类。理论分析及仿真结果表明,相比支持向量机,新方法在保持高诊断正确率的同时具有更高的稀疏性和诊断效率,并且能够提供概率式输出,更具实用价值;相比OAR-RVM和OAO-RVM方法,新方法节省了训练时间,具有更高的训练效率。

一种基于小样本数据的装备故障预测方法

针对目前装备故障预测面临的数据小样本问题以及现有数据驱动方法的不足,提出了一种基于相关向量机的装备故障预测方法,并通过故障预测仿真实例验证了方法的有效性和合理性。理论分析及应用结果表明:与神经网络、支持向量机等方法相比,该方法在保持较高预测精度的同时,在输出形式、参数设置等方面具有优势,应用前景广阔。

基于EMD和RVM-AR的航空发动机磨损故障预测模型

针对滑油光谱数据的非线性非平稳特性及现有预测方法的不足,提出了一种基于经验模态分解(EMD)和相关向量机-自回归模型(RVM)的预测方法;首先,利用EMD算法将序列分解为若干固有模态函数(IMF)和残余函数(RF),分离原始数据中的趋势项和随机项;然后,建立各IMF分量的AR模型和RF分量的RVM模型,以留一交叉验证误差作为适应度函数,采用量子粒子群优化算法进化搜索RVM的最优核参数和嵌入维数;最后,将各AR模型和RVM模型的预测值叠加作为最终预测值;实验结果表明:相比AR和SVM方法,该方法具有较高的预测精度,Fe元素的平均相对预测误差分别提高了15%和6%,Si元素的平均相对预测误差分别提高了49%和23%。

基于平衡决策树相关向量机的模拟电路多类故障诊断方法

针对模拟电路的多类故障诊断问题,提出一种基于平衡决策树(Balanced Decision Tree,BDT)相关向量机(Relevance Vector Machine,RVM)的故障诊断方法;综合考虑类内紧密性和类间分散性,建立了一种类的可分性度量方法,并根据不同类划分的可分度大小优化确定BDT结构,通过在BDT各个决策节点构造RVM二类分类器实现RVM的多类分类;故障诊断实验结果表明:该方法在训练效率、诊断效率和诊断精度等方面的综合性能优于已有的RVM多类故障诊断方法。

基于回归分析方法的网络故障预测

结合回归预测模型,提出一种对网络中单个组件故障率的多项式回归预测模型。通过将多项式回归模型转化成多元线性回归模型求解参数,得到预测方程。利用检验预测回归方程和回归系数显著性,得到同实际故障统计数据拟合的效果优于原方程的新预测方程。使用一组网络组件的故障率数据对预测方程进行验证,结果表明,在根据预测误差低于2%的要求而确定的预测区间内,该方法可以为网络中单个组件故障率预测提供决策依据。

基于M-DSSE和RVM的复杂装备健康状态预测

针对故障呈现渐发特性的复杂装备健康状态预测问题,提出基于多距离形态相似度评估(M-DSSE)和相关向量机(RVM)的预测方法。在提取装备状态特征信息的基础上,采用M-DSSE方法对装备的健康状态进行评估,计算得到装备的健康指数;运用RVM回归模型对装备的健康指数进行预测,实现对装备健康趋势的预知,为最终的预知维修提供重要技术支撑。在某航空机电设备上的应用结果表明,该方法可以有效解决复杂装备健康状态评估与预测的问题,结果与实际情况相吻合。

LS-SVM参数估计与稀疏化方法研究及应用

针对最小二乘支持向量机(LS-SVM)参数估计与稀疏化问题,提出了采用多智能体遗传算法(MAGA)估计LS-SVM参数并在参数估计的过程中实现稀疏化的方法。首先,根据被估参数的特点,设计了MAGA的种群初始化方法和各遗传算子操作方式。其次,基于剪枝法的思想,设计了包含三种控制条件的稀疏化策略,能够在不明显降低回归精度的前提下实现LS-SVM的稀疏化。最后,通过实例计算验证本文方法的有效性,计算结果表明,MAGA较其它方法(自适应遗传算法、粒子群算法)能够获得更优的参数,从而使LS-SVM具有更优的回归性能,并且稀疏化策略稳定有效。

相关向量机及其在故障诊断与预测中的应用

相关向量机(RVM)是一种基于稀疏Bayesian学习理论的新型机器学习方法,具有概率式输出、稀疏性强、参数设置简单、核函数选择灵活等优点,克服了人工神经网络(ANN)和支持向量机(SVM)等典型机器学习方法的诸多固有缺陷。文章从模型选择与优化、模型计算效率和模型鲁棒性改进3个方面综述了RVM的理论研究进展;总结了RVM在故障诊断与预测中的应用研究现状;分析指出了当前研究中存在的问题,并讨论了基于RVM的故障诊断与预测技术的研究方向。

基于改进HMM和LS-SVM的机载设备故障预测研究

针对传统故障预测方法不能直接预测设备状态的不足,提出了将改进隐马尔科夫模型(HMM)和最小二乘支持向量机(LS-SVM)相结合的机载设备故障预测方法。首先,采用多智能体遗传算法对HMM参数进行训练优化,克服了B-W算法易陷入局部最优解的缺陷;其次,分别研究设计了设备是否具有使用阶段状态退化过程数据2种情况下的故障预测算法流程;最后,以飞机发动机温控放大器为应用对象进行仿真计算。结果表明,该算法不仅预测精度高,而且预测结果直接与设备状态相关,易于理解分析。

基于交互式多模型的VR系统头部运动预测算法与仿真

虚拟现实系统中的视觉延迟会严重破坏其沉浸感,是导致仿真病的重要原因之一。针对此问题,栽分析头部运动特点基础上,采用常速模型和"当前"统计模型构成的模型集合描述头部运动,建立了交互式多模型预测滤波器对头部位置进行预测,并对预测效果进行了仿真验证。仿真结果表明,相比以往采用单一、固定模型描述头部运动的预测器,该预测器提高了头部位置预测精度,从而更加有效地补偿了VR系统中的视觉延迟。

基于相关向量机的导弹贮存可靠性预测方法研究

开展导弹贮存可靠性预测,不仅有利于部队及时掌握导弹的性能,同时能够为导弹的维修、延寿提供依据;针对导弹贮存可靠性预测存在的非线性、小样本、非概率问题,提出了一种基于相关向量机的导弹贮存可靠性预测方法;以环境信息作为输入样本、导弹贮存可靠度作为输出样本,建立了相关向量机回归模型;在此基础上,利用模型预测均值和方差计算得到了预测置信区间;最后,通过空空导弹贮存可靠性预测实例验证了方法的有效性;实例计算结果表明:该方法在具有较高预测精度的同时,能够输出预测结果的概率分布,具有很高的工程实用价值。

基于Matlab/Simulink的空空导弹攻击区仿真

针对导弹攻击区仿真计算中存在的可视化效果差、编程复杂、计算时间长问题,提供了一种简便有效的方法。首先,利用Matlab环境下的Simulink工具箱,基于模块化的设计思想建立了弹道仿真模型;然后,建立了脚本文件,运用Matlab语言编程,设置仿真参数,改变目标进入角,采用二分法计算弹目初始距离,并在脚本文件中调用Simulink弹道仿真模型,计算空空导弹攻击区;最后,通过仿真验证了弹道仿真模型的正确性和攻击区计算方法的可行性。

双机用雷达告警接收机对尾后目标信息获取的方法研究

针对载机尾后目标探测问题,提出利用机载雷达告警接收机提供的目标方位信息,运用非线性滤波算法对载机尾后目标的距离、速度等运动信息进行实时估计。仿真结果表明,利用该方法能够在一定误差范围内实时获取尾后目标的运动信息;载机间距、载机-目标初始距离对估计精度有较大影响。

一种获取载机尾后目标运动信息的方法研究

越肩发射需要载机提供尾后目标的运动信息,包括方位、距离和速度等。提出利用机载雷达告警接收机测量到的目标方位信息,根据扩展Kalman滤波理论,对目标的其它运动信息进行实时估计。仿真结果表明,该方法能够满足常规导引方法的基本要求,但滤波收敛速度仍需进一步提高。

动态协同空战攻击决策问题研究

攻击决策问题是协同空战领域研究的核心问题之一,通过优化战机武器资源配置,以提高战机协同作战效能。针对动态协同空战攻击决策问题,系统分析空战环境的动态性,将空战动态划分为连续动态和离散动态,并建立多约束条件下动态协同空战攻击决策优化模型;设计了空战环境变化监测策略和种群多样性策略,通过迭代窗的设置,基于离散粒子群算法,提出了一种基于滚动迭代窗的启发式变异离散粒子群算法的动态协同攻击决策方法。通过仿真实验验证了所提方法能够在连续和离散动态条件下合理地规划协同空战攻击决策。

基于多分类相关向量机的导弹发控电路故障诊断

导弹发控电路是机载导弹发控系统的重要组成部分,故障模式复杂,故障诊断困难。针对导弹发控电路的多类故障诊断问题,提出一种基于多分类相关向量机(Multiclass Relevance Vector Machine,mRVM)的故障诊断方法。首先,建立mRVM模型反映故障特征和故障模式的非线性关系;然后,采用鱼群算法自适应选择模型参数,目标函数设定为交叉验证误差最小值。最后,通过仿真实例验证了方法的有效性。

复合制导空空导弹截获概率模型仿真

针对复合制导空空导弹截获目标时导引头预置天线角度与导弹允许截获不在同一时刻这一问题,建立了一种新的截获概率估算模型。根据中末制导交接班时导弹截获目标的算法流程,确立了导弹截获目标的条件,分析了影响导弹截获概率的主要误差源,建立了各误差数学模型,并通过等效转化法将弹目指示位置向量在三维空间的散布转化为弹目实际相对位置向量在三维空间的散布,完成截获概率估算模型的建立。该模型利用已知的误差先验估计及导弹飞行过程中的测量信息,可在一次弹道计算中解算导弹截获概率。利用此模型采用控制变量法分析了各误差因素与截获概率的关系,仿真结果表明:目标截获概率对数据链周期和测角精度敏感性最高。