基于增量式模糊支持向量機(jī)的陀螺儀故障診斷.pdf

1、陀螺儀作為無人機(jī)測(cè)量姿態(tài)信息的重要傳感器，其工作穩(wěn)定性和可靠性直接影響著無人機(jī)的飛行安全。本文針對(duì)陀螺儀故障特點(diǎn)，提出一種基于增量式模糊支持向量機(jī)的陀螺儀故障診斷系統(tǒng)。主要工作如下：
　　首先，分析并解決陀螺輸出樣本不平衡和噪聲干擾問題。一方面陀螺儀故障樣本有限，正常樣本和故障樣本存在不平衡問題，另一方面陀螺儀易受到機(jī)載環(huán)境干擾，輸出信號(hào)噪聲污染大，容易影響故障診斷精度。為此，設(shè)計(jì)一種改進(jìn)的模糊支持向量機(jī)，它的模糊隸屬度函數(shù)由樣本

2、不平衡特征因子和去噪模糊因子組合構(gòu)成，用于解決樣本不平衡和噪聲干擾導(dǎo)致支持向量機(jī)分類精度降低的問題。
　　其次，為了實(shí)現(xiàn)樣本采集和算法學(xué)習(xí)同步進(jìn)行，提出一種基于模糊支持向量機(jī)的增量學(xué)習(xí)算法。當(dāng)有新增樣本加入訓(xùn)練時(shí)，傳統(tǒng)的增量學(xué)習(xí)算法篩選的初始樣本往往會(huì)有大量的樣本冗余。本文分析得到非支持向量可能轉(zhuǎn)化為支持向量的兩個(gè)條件：一是分布于類邊界；二是離異類較近。利用這兩個(gè)條件，提出基于樣本距同類和異類中心距離的雙權(quán)重函數(shù)來篩選重要的樣本信

3、息。然后結(jié)合KKT條件，實(shí)現(xiàn)模糊支持向量機(jī)的在線增量學(xué)習(xí)過程。
　　再次，以模糊支持向量機(jī)和增量學(xué)習(xí)算法為基礎(chǔ)搭建陀螺儀故障診斷系統(tǒng)，并在Matlab仿真環(huán)境下驗(yàn)證系統(tǒng)的性能。實(shí)驗(yàn)以速率陀螺為研究對(duì)象，根據(jù)故障輸出信號(hào)特點(diǎn)，通過仿真模擬完全、偏置、漂移和周期干擾四類故障輸出信號(hào)，并使用小波包變換提取信號(hào)的能量特征作為模糊支持向量機(jī)分類器的輸入，然后分別實(shí)驗(yàn)驗(yàn)證模糊支持向量機(jī)和增量學(xué)習(xí)算法的合理性和正確性。
　　最后，搭建以T