基于改进RPCA的某型发射机自适应监测新方法

提出一种改进的基于数据块更新的递归主元分析(recursive principal component analysis,RPCA)方法,对具有慢时变和多变量等特性的某型舰空导弹武器雷达发射机工作过程进行自适应监测。该方法在协方差矩阵的特征值分解中引入低秩奇异值分解递归方法,实现负荷矩阵和特征值矩阵的递归计算;制定了均值、方差的更新策略;给出一种基于指数加权的控制限递归算法以提高RPCA的健壮性。实验证明该方法能自适应地跟踪过程时变并实时监测故障,同时有效地降低误警率。

改进的递归PCA方法对某型发射机的自适应监测

针对现有监测手段对时变过程易产生误警且对微弱故障监测力不足等问题,提出一种改进的递归主元分析方法,对时变过程实现自适应监测。以数据块为单位更新主元模型,采用低秩奇异值分解方法完成相关矩阵的递归分解,实现负荷矩阵和特征值矩阵的递归计算,并制定了数据块大小的选取策略和均值、方差的更新策略。同时,引入指数加权思想实现了控制限的递归更新。通过将该方法与其他监测方法应用于某型雷达发射机工作过程的监测并进行对比验证,结果表明该方法能自适应地跟踪过程时变并实时监测故障,降低了误警率;同时,自适应的控制限对微弱故障具有较高的灵敏度,有效地避免了漏报的发生。