摘要:为实现飞参数据自动判读,提出一种基于改进支持向量数据描述(SVDD)的飞参数据新异检测方法.首先通过启发式的约减SVDD核矩阵尺寸,加快了SVDD的运算速度,并使之更适合于大样本的飞参数据新异检测;而后研究了飞参数据中参数采样率不统一条件下样本生成的问题;最后以发动机气路参数、舵面偏转参数和发动机振动值参数3组异常状态飞参数据为例,应用改进的SVDD方法进行了飞参数据新异检测.结果表明,该方法能准确检测出飞参数据中的异常,可用于飞参数据自动判读.
关键词:模式识别 支持向量数据描述 新异检测 单类分类 飞参数据
单位:海军航空工程学院青岛校区 青岛266041
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社