机载高度表故障诊断的KPCA-BN方法

发布时间：2023-02-05 10:32

　　针对电子设备故障诊断中缺少对模块间条件概率影响的分析以及不确定性故障信息的情况,在推理机构建时采用贝叶斯网络推理来代替传统故障树分析作为故障定位的主要方法,以相关测试项目作为故障特征向量,并引入基于核函数的主元分析法来进行故障特征的选取,可去除噪声影响和冗余的数据信息,实现故障特征的数据降维,便于分类或聚类,和单独使用主元分析法相比能更好地处理非线性高维数据,提高故障的诊断正确率和分类精度。通过应用实例的对比分析,验证所提方法是有效的。

【文章页数】：5 页

【文章目录】：
1 核主元分析及其特征降维
    1.1 基于核函数的空间变换
    1.2 核主元分析的基本原理
    1.3 核主元分析算法的实现
2 贝叶斯网络模型的故障定位
3 基于KPCA-BN的故障诊断模型
4 应用实例分析
5 结论



本文编号：3734815