基于SVM的南极望远镜驱动非预期故障诊断方法
针对南极望远镜驱动系统的非预期故障检测存在先验信息不足、故障特征难确定和故障样本少等问题,提出一种基于支持向量机(support vector machine,SVM)的非预期故障检测方法.以南极望远镜驱动系统为实验平台故障植入,采集的数据中心化和标准化预处理.基于KNN(K-nearest neighbor)、K-means、BP(back propagation)神经网络和SVM算法建立 4种非预期故障检测分类器,将各个算法参数调优,再根据数据特征预测分类.实验结果表明:在相同的实验条件下,基于SVM算法的非预期故障检测分类器性能优于其他 3种分类器性能.将该类方法应用于半实物仿真平台,验证该算法可行、有效.
南极望远镜、驱动系统、非预期故障、支持向量机、分类器
49
TH7;TP2;P111(仪器、仪表)
国家自然科学基金;天文联合基金重点项目
2023-07-05（万方平台首次上网日期，不代表论文的发表时间）
共8页
75-81,91
