基于FSVM的陀螺儀故障診斷方法研究.pdf

1、陀螺儀作為飛行器的重要機(jī)載傳感器，主要用于精確地測(cè)量飛行器的姿態(tài)角、角速度和航向等參數(shù)，為飛控系統(tǒng)提供準(zhǔn)確的飛行信息。其工作狀態(tài)直接影響到飛行器的飛行安全，因此保障和提高陀螺儀的可靠性具有重要的意義。針對(duì)實(shí)際情況下，陀螺儀正常樣本數(shù)量往往遠(yuǎn)大于故障樣本數(shù)，本文研究了基于模糊支持向量機(jī)的陀螺儀故障診斷系統(tǒng)。主要工作如下：
　　首先，搭建常見(jiàn)的陀螺儀故障模型，分別采用小波包分解法和經(jīng)驗(yàn)?zāi)B(tài)分解法對(duì)陀螺儀的輸出信號(hào)進(jìn)行分解。當(dāng)陀螺儀發(fā)生

2、故障時(shí)，其輸出信號(hào)會(huì)發(fā)生變化，反映到其頻率上則是某一個(gè)或某幾個(gè)頻段上的能量發(fā)生改變，從而可以提取分解后各信號(hào)分量的能量作為特征向量特征。
　　其次，針對(duì)傳統(tǒng)支持向量機(jī)易受類(lèi)不平衡和噪聲的影響，在比較分析了不平衡數(shù)據(jù)集對(duì)SVM分類(lèi)器影響的原因后，采用FSVM作為故障診斷系統(tǒng)的核心算法。FSVM的隸屬度分為兩部分設(shè)計(jì)，第一部分用于抑制數(shù)量不平衡的影響，第二部分利用樣本的高斯概率密度函數(shù)來(lái)描述樣本集的分布情況，以此作為樣本類(lèi)內(nèi)重要性的依

3、據(jù)。如此綜合考慮噪聲、類(lèi)不平衡和樣本分布特性的影響，設(shè)計(jì)的分類(lèi)器具有更強(qiáng)的魯棒性。
　　再次，由于陀螺儀故障類(lèi)型的非單一性，正常狀態(tài)與故障類(lèi)型的識(shí)別和定位不是一個(gè)二分類(lèi)問(wèn)題。針對(duì)采用一對(duì)一多分類(lèi)方法存在的拒識(shí)區(qū)問(wèn)題，本文在其基礎(chǔ)上進(jìn)行了改進(jìn)，提出了一種新型的多分類(lèi)方法。該方法利用一對(duì)一算法本身的特點(diǎn)以及未知樣本與各類(lèi)之間的數(shù)據(jù)關(guān)系，進(jìn)行循環(huán)篩選，從而得到最終的決策類(lèi)別。
　　最后，根據(jù)改進(jìn)的FSVM算法與一對(duì)一多分類(lèi)方法編寫(xiě)