基于多融合人工智能的退化故障预后方法
李泳龙1
王振东1
翟玉婷2
1.海军大连舰艇学院学员一大队 大连 1160182.海军大连舰艇学院信息系统系 大连 116018
摘要：针对当前装备退化故障预后存在着历史监测数据样本少、退化故障样本难以采集、故障预测静态化等问题,提出融合多种人工智能技术的装备退化故障预后方法.其中动态更新支持向量回归能够提高静态数据预测的精度,主成分分析能够将多高维数据降维,K均值聚类方法能够在无故障样本情况下对退化故障进行聚类检测.通过仿真实验验证提出方法的可行性,其中动态更新支持向量回归对数据预测的均方根误差可达0.44947,K均值聚类能够在其较为精准预测基础上检测出退化故障样本点.实验结果表明,所提方法能够有效对装备退化故障进行预测并告警.
关键词：支持向量机回归主成分降维K均值聚类分析
分类号：TN95(雷达)
论文发表日期：2023-10-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 61-66 )
英文信息