系统工程与电子技术

作者：戴金玲(), 许爱强()

单位：海军航空大学, 山东 烟台 264001

关键词：故障诊断,局部密度,模糊C算法,局部多核学习,选通模型

基金：军队预研项目(3020202090302)

为提高小样本条件下航空电子设备模块级故障诊断精度, 基于动态软聚类的自适应特点与局部多核学习(local multiple kernel learning, LMKL)的局部特征表达能力, 提出一种新的局部多核超限学习机(local multiple kernel extreme learning machine, LMKELM)诊断模型。通过引入局部密度的概念进行自适应确定聚类数目, 并结合模糊C均值聚类对样本进行划分, 在充分体现类内多样性的同时, 约减了计算复杂度, 实现对样本的动态软聚类。通过构造选通函数解决局部权重二次非凸问题, 融合近似得到的局部权重与隶属度信息, 实现对测试样本的故障诊断。将该模型应用于某型机旋转变压器激励发生电路, 实验结果表明, 相比于4种前沿的多核学习方法, 该算法在漏警率、虚警率方面表现优异, 选用的M1与M2选通函数分别将诊断精度平均值提升2.78%和4.37%。

来源：2021年第3期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2021年第3期