基于IFC-RVM的故障诊断研究

详细信息    查看全文 | 推荐本文 |

	作者：孙扩 ; 吴阳勇 ; 吴煜舟 ; 陈天驰 中文刊名：ELEW 英文刊名：Electronics World 机构：海军航空大学; 出版日期：2019-05-23 出版单位：电子世界 年：2019 期：No.568 语种：中文; 页：ELEW201910010 页数：3 CN：10 ISSN：11-2086/TN 分类号：10-12

摘要

<正>针对机载电子设备故障诊断中的小样本情况,以及数据噪声和孤立点干扰的问题,本文以数字话音保密机为研究对象,提出了基于改进模糊聚类(Improved Fuzzy Clustering,IFC)和相关向量机(Relevance Vector Machine,RVM)的故障诊断推理机模型。数字话音保密机选取正常模式和三种故障类型共四种模式,分别是正常状态模式、密码同步板故障模式、密码产生板故障模式和数传板故障模式。首先,在模糊聚类的基础上引入加权修正因子完成对算法的改进,对故障样本数据进行特征降维和降噪处理,然后利用相关向量机对数据进行故障诊断与分类,进而判断保密机所处的状态,完成故障的隔离定位。通过对不同状态下的故障诊断结果和其他两种方法评价指标的对比,验证了所提模型的有效性和稳定性。
        

引文