基于EDA算法的改进KPCA的某型测角仪的状态监测与故障预测研究

• 作者: 孔凡胜 王竹林
• 来源期刊: 计算技术与自动化
• 关键词: KPCA EDA Fisher准则 EMD 信息识别
• 年，卷（期）: 2015,（2）
• 所属期刊栏目: 【自控理论及应用】
• 页码范围: 19-23
• 页数: 5页
• 分类号: TP301.6
• 语种: 中文

摘要

基于电子系统状态监测为研究背景,传统的Kernel Principal Component Analysis(核主成份分析法,简称KPCA)在状态监测过程中做数据特征降维处理,使得电路状态数据在消除冗余信息的同时,也能在相应的模型算法计算中很大程度的减少计算步骤,但是KPCA法的降维数据处理过程对数据样本贡献率的识别能力有不足之处,虽然达到了降维的目的,但是对特征样本数据的信息保留能力存在不足。本文中采用经验模态分解法(Empirical Mode Decomposition,简称 EMD)对输出信号进行采集处理作为样本数据,设计基于 Fisher准则的状态信息识别能力分析,采用 Estimation of Distribution Algorithms(种群算法,简称 EDA)对KPCA分析法进行改进研究,通过对数据处理,最大限度的保留状态主信息,使得在电路系统状态监测过程中减小实验误差,为后续故障预测打下基础。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王竹林	军械工程学院导弹工程系	47	261	8.0	15.0
2	孔凡胜	军械工程学院导弹工程系	4	5	2.0	2.0