基于LMKL的航空电子部件故障检测技术

为了使航空电子部件故障诊断精度得到提高,提出了基于LMKL的航空电子部件故障诊断方法。使用正常状态下小样本数据,提出基于LMKL的数学表达方式。得到局部核权重对离线检测需要的统计检验量和阈值进行定义,实现故障检测功能。最后,将此方法在航空电子设备中使用。通过结果表示,方法能够提高特异度、查准率和召回率。

基于LMKL和OC-ELM的航空电子部件故障检测方法

针对航空电子部件故障样本获取困难以及检测准确率不高的问题,提出基于局部多核学习(localized multiple kernel learning,LMKL)和一类超限学习机(one-class extreme learning machine,OC-ELM)的故障检测方法。仅运用正常状态的小样本数据,给出了LMK-OC-ELM的数学表达形式,并在不同的门模型下推导了LMK-OC-ELM中局部核权重的优化方法;在获取局部核权重的基础上,定义了离线故障检测所需的统计检验量与阈值,以便工程实现。将所提方法应用于某型接收机,结果表明,在训练时间可控的前提下,与4种常见的一类分类(one-class classification,OCC)算法相比,所提方法可均衡地提高召回率、查准率和特异度,以LMK-OC-ELM-sig为代表,其在F1、曲线下方面积(area under curve,AUC)、G-mean和准确率4个指标上,比最近提出的局部多核异常检测(localized multiple kernel anomaly detection,LMKAD)方法分别提高了1.60%、1.57%、1.53%和2.23%。