基於支持向量機的飛機故障診斷技術

《書名基於支持向量機的飛機故障診斷技術》是國防工業出版社2016年出版的圖書，作者是郎榮玲、潘磊、呂永樂、路輝。

基本介紹

• 中文名：書名基於支持向量機的飛機故障診斷技術
• 作者：郎榮玲、潘磊、呂永樂、路輝
• 出版時間：2016年5月1日
• 出版社：國防工業出版社
• 頁數：192 頁
• ISBN：9787118106275
• 定價：79.00
• 開本：32 開
• 裝幀：精裝

內容簡介

支持向量機在數據挖掘領域性能優越，將該項技術套用于飛機的故障診斷領域，對於提高診斷的效率和精度具有非常重要的意義。本書將支持向量機技術套用于飛行數據驅動的飛機故障診斷技術領域，不僅系統地解決了支持向量機的參數選取、訓練、不確定性處理等相關技術問題，而且詳細介紹了如何利用飛行數據進行故障診斷和故障預測，並且利用航電和發動機的數據對其套用效果進行了驗證。本書適合于飛機故障診斷領域的研究生、教師、科研人員和工作者使用。

目錄

第1章緒論1

1.1基於支持向量機的飛機故障診斷方法的意義1

1.2PHM技術套用現狀2

1.2.1PHM的功能及結構2

1.2.2國外PHM技術的套用現狀5

1.2.3國內PHM技術的套用現狀8

1.2.4PHM目前存在的問題11

1.3故障診斷與故障預報技術研究現狀12

1.3.1故障診斷技術12

1.3.2故障預報技術14

1.4支持向量機理論研究現狀19

1.4.1支持向量機學習算法19

1.4.2支持向量機參數選取方法22

1.4.3支持向量機模型算法驗證24

第2章支持向量機簡介26

2.1支持向量分類機26

2.1.1最優分類面26

2.1.2核函式31

2.1.3多分類支持向量機32

2.2支持向量回歸機35

2.2.1ε－帶超平面35

2.2.2SVR模型推廣於構造多分類器39

2.3支持向量機訓練算法40

第3章支持向量分類模型研究42

3.1概述42

3.1.1SVC算法流程42

3.1.2待解決的問題43

3.2SVC的SMO算法實現44

3.3SVC的參數選取46

3.3.1高斯核參數σ47

3.3.2懲罰因子C49

3.4實驗分析51

第4章支持向量回歸模型研究56

4.1概述56

4.1.1SVR算法流程56

4.1.2待解決的問題57

4.2SVR的SMO算法實現58

4.3SVR的參數選取62

4.3.1高斯核參數σ62

4.3.2懲罰因子C64

4.3.3不敏感損失參數ε64

4.4實驗分析64

第5章基於支持向量機的不確定性問題處理68

5.1概述68

5.2建模69

5.3模型求解70

5.3.1對偶問題70

5.3.2KKT條件72

5.3.3SMO算法求解73

5.4實驗分析77

5.4.1算法分析77

5.4.2參數分析78

第6章飛機狀態監控系統及其監測指標分析82

6.1飛機狀態監控系統（ACMS）82

6.1.1ACMS的組成與功能82

6.1.2飛行數據獲取方式84

6.2機載設備性能指標91

6.2.1機載設備工作性能的表示91

6.2.2航空發動機性能評價指標95

6.2.3機體結構性能評價指標100

6.3發動機性能指標監測序列的特點分析106

6.3.1綜合分析106

6.3.2平穩性分析109

6.3.3趨勢性分析111

第7章飛行數據預處理115

7.1概述115

7.1.1異常值辨識方法115

7.1.2噪聲去除方法116

7.2異常值辨識與剔除117

7.2.1不含趨勢項監測序列的異常值辨識與

剔除算法117

7.2.2含趨勢項監測序列的異常值辨識與剔除算法120

7.3基於奇異值分解的濾波消噪方法123

第8章支持向量機套用分析132

8.1概述132

8.2航空電子設備故障診斷133

8.2.1實驗1標準濾波電路134

8.2.2實驗2線性中放電路137

8.2.3規則提取驗證140

8.3航空發動機故障預報141

8.3.1性能參數預測141

8.3.2壽命監控與異常檢測147

第9章飛行數據驅動的健康管理系統154

9.1系統設計154

9.1.1功能設計154

9.1.2總體結構155

9.2維護系統設計157

9.2.1功能和結構157

9.2.2資料庫設計158

9.3故障診斷系統設計168

9.3.1功能和結構168

9.3.2推理診斷功能模組的設計169

9.3.3自學習功能模組的設計171

9.4故障預測系統設計177

9.4.1功能和結構177

9.4.2自回歸滑動平均模型178

參考文獻187