基于增量式模糊支持向量機的陀螺儀故障診斷.pdf

1、陀螺儀作為無人機測量姿態(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的飛行安全。本文針對陀螺儀故障特點，提出一種基于增量式模糊支持向量機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載環(huán)境干擾，輸出信號噪聲污染大，容易影響故障診斷精度。為此，設計一種改進的模糊支持向量機，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成，用于解決樣本不平衡和噪聲干擾導致支持向量機分類精度降低的問題。
　　其次，為了實現(xiàn)樣本采集和算法學習同步進行，提出一種基于模糊支持向量機的增量學習算法。當有新增樣本加入訓練時，傳統(tǒng)的增量學習算法篩選的初始樣本往往會有大量的樣本冗余。本文分析得到非支持向量可能轉(zhuǎn)化為支持向量的兩個條件：一是分布于類邊界；二是離異類較近。利用這兩個條件，提出基于樣本距同類和異類中心距離的雙權重函數(shù)來篩選重要的樣本信

3、息。然后結合KKT條件，實現(xiàn)模糊支持向量機的在線增量學習過程。
　　再次，以模糊支持向量機和增量學習算法為基礎搭建陀螺儀故障診斷系統(tǒng)，并在Matlab仿真環(huán)境下驗證系統(tǒng)的性能。實驗以速率陀螺為研究對象，根據(jù)故障輸出信號特點，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，并使用小波包變換提取信號的能量特征作為模糊支持向量機分類器的輸入，然后分別實驗驗證模糊支持向量機和增量學習算法的合理性和正確性。
　　最后，搭建以T