粗糙集和支持向量机在舰载火控系统故障诊断中的应用
2021-01-29韩晓
科技与创新 2021年2期
韩晓
(海军装备部驻北京地区第三军事代表室,北京 100071)
随着计算机芯片技术的飞速发展和计算机软件算法的优化改进,对舰载火控系统的故障诊断提出了越来越难的技术挑战。现阶段,舰载火控系统的软硬件处理能力相比以前有了很大的提升,整个系统变得日益庞大和复杂,专家们目前已经提出了很多设备故障自检和定位的方法。实现舰载火控系统精准故障定位,已成为在舰载火控系统设备研制和维护中需要亟待关注和解决的关键任务和主题。
由于舰载火控系统能够获取的故障样本数据较少,如果采用传统的机器学习或是专家系统的方法来进行故障诊断,很可能无法精确地建立舰载火控系统的故障模型,最终导致故障无法准确定位。支持向量机技术尤其擅长处理数据量不大的小样本故障,它的最大优点是不仅能够避免“机器过学习”,而且能够高效处理非线性数据,避免特征空间的维数灾难。粗糙集技术的核心是剔除冗余样本,实现故障样本数据的属性约简和值约简,降低故障样本的数据维度和训练复杂度。本文结合粗糙集技术和支持向量机技术,充分发挥各自的技术优势,将经过粗糙集约简后得到的具有良好分类特性的最简故障样本集作为支持向量机的输入,极大地优化了故障诊断的时间和运算复杂度,并且能够显著地提升舰载火控系统的故障诊断准确度。
1 粗糙集属性约简
粗糙集理论不仅能够分析和推理不一致的信息,通过学习从经验中获取知识,还能在保留信息的前提下,对数据进行约简和模式分类。……
登录APP查看全文
