测试性验证试验中的故障样本综合加权分配方法

针对目前测试性验证试验中故障样本分配考虑因素单一,分配结果不太合理,影响测试性验证评估准确度的问题,文章综合考虑故障样本分配的影响因素,提出了故障样本分配的综合加权方法;首先,在分析影响因素的基础上,明确了综合加权分配算法;然后对影响系数和影响因素的权值进行确定;最后,通过在某系统测试性验证试验中的应用表明,该方法考虑因素更加全面,与基于故障率的按比例分层抽样分配方法相比较,故障样本分配结果更加合理,测试性验证评估结果更加接近系统测试性设计的真实水平,更具有工程应用价值.     

FDR验证试验的故障样本分配策略研究

故障率作为测试性验证试验故障样本分配的主要影响因素,针对一些情况下使得故障样本分配结果的合理性不足的问题,以故障检测率(Fault Detection Rate, FDR)作为验证指标,提出了一种考虑严酷度的样本故障模式选取方法。提出了基于模糊证据推理的故障模式严酷度排序解决方法。通过对相关标准中涉及的故障样本分配策略进行梳理,针对现行多因子综合加权比例分配方法不足之处,根据故障模式种类与验证样本量的数量关系,区分不同情况,借助预选样本集随机抽样、考虑严酷度的取整策略,以及动态概率调整,合理改善了故障率主体分配方案进行故障模式选取时样本分配集中不合理的状况。以某装备单元的FDR验证试验为例,验证了所提故障样本分配方法的可行性合理性。     

基于局部保持投影–加权k近邻规则的 多模态间歇过程故障检测策略

针对多模态间歇过程故障检测问题,本文提出一种基于局部保持投影–加权k近邻规则(LPP--Wk NN)的故障检测策略.首先,应用局部保持投影(LPP)方法将原始数据投影到低维主元子空间;接下来,在主元子空间中,应用样本第k近邻的局部近邻集确定每个样本的权重并计算权重统计量Dw;最后,应用核密度估计方法确定Dw控制限并进行故障检测.本文方法应用LPP对过程数据进行维数约减,既能够降低训练过程中离群点对模型的影响,又能够降低在线故障检测的计算复杂度.同时,加权k近邻规则(Wk NN)方法通过引入权重规则能够使得过程故障检测统计量分布具有单模态结构.相比传统的k NN统计量,本文引入的权重统计量具有更高的故障检测性能.通过数值例子和半导体蚀刻过程的仿真实验,并与主元分析(PCA), k NN, Wk NN, LPP--k NN等方法进行比较,实验结果验证了本文方法的有效性.     

基于扩展多信号模型的故障样本可拓评价方法

合理确定评价指标及分配指标权重对故障样本评价至关重要,文章在综合考虑测试性验证试验目的和考核内容的基础上,提出一种基于扩展多信号模型的故障样本可拓评价方法;方法基于扩展多信号流图构建故障样本评价的指标,结合可拓学理论,建立基于平均故障关联度的故障样本集可拓评价模型,并对某型机载数传测试性验证试验故障样本进行评价;研究结果验证了所提方法的有效性。     

基于未确知集和模糊TOPSIS决策的故障模式风险评估

为了解决列车控制系统无线闭塞中心设备故障模式与影响分析的风险评估过程中专家评判的认知模糊性和未知不确定性问题,本文提出基于未确知集和模糊TOPSIS决策的故障模式风险评估方法。该方法采用三角模糊数对发生度、严重度、可检测度、维修度4项风险评价指标分别进行模糊化处理,运用未确知数理论来处理各评价指标权重的不确定性以表现其相对重要度;通过使用模糊TOPSIS多准则决策理论对故障模式进行排序最终得到风险评估结果。最后,应用实例对提出的评估方法有效性和可行性进行了验证,结果表明,该方法能有效减少专家主观性对指标权重量化的影响,适用于一些依赖于专家评估经验的故障模式风险评估领域。     

基于加权偏最小二乘回归的软件成本估算方法

针对软件成本估算中影响因素较多且自变量间存在多重相关性的特点,提出一种基于加权偏最小二乘回归(PLSR)的软件成本估算方法。定义属性权重,得到描述软件历史数据相似度的加权相似离度。通过计算样本相似度自适应地为样本分配权值,采用遍历搜索的方式确定最优主成分及权值分配参数。实验结果表明,该方法的估算误差比多元线性回归方法减少73.61%,比全局PLSR方法减少32.34%。     

基于局部密度的加权一类支持向量机算法及其在涡轴发动机故障检测中的应用

针对基于数据的涡轴发动机故障检测算法的分类性能较差、鲁棒性不强的问题,提出一种改进的加权一类支持向量机（WOCSVM）算法——基于局部密度的WOCSVM （LD-WOCSVM）算法。首先,对于每个训练样本,选取以该样本为中心,以全体训练样本中心到距离最远样本之间马氏距离的百分之二为半径的球体内所包含的k个近邻样本;其次,以该样本到选定的k个训练样本的中心的距离大小来评估该样本为故障样本的可能性,并以此为依据,使用经过归一化的距离来计算对应样本的权重。针对目前算法不能很好地反映样本分布特点的问题,提出了一种基于快速聚类的权重计算方法并将其命名为FCLD-WOCSVM。该算法通过求取每个训练样本的局部密度和该样本到高局部密度的距离两个参数,来确定该样本的分布位置,并利用求得的两个参数来计算该样本的权重。两种算法都是通过对可能的故障样本分配较小的权重来增强算法的分类性能。为了验证算法的有效性,分别在4个UCI数据集和T700涡轴发动机上进行仿真实验。实验结果表明,与自适应WOCSVM （A-WOCSVM）算法相比,LD-WOCSVM算法在AUC值上提高了0.5%,FCLD-WOCSVM算法在G-mean上提高了12.1%,两种算法可以作为涡轴发动机故障检测候选算法。     

双重特征加权模糊支持向量机

针对当前基于特征加权的模糊支持向量机(FSVM)只考虑特征权重对隶属度函数的影响,而没有考虑在样本训练过程中将特征权重应用到核函数计算中的缺陷,提出了同时考虑特征加权对隶属度函数和核函数计算的影响的模糊支持向量机算法——双重特征加权模糊支持向量机(DFW-FSVM).首先,利用信息增益(IG)计算出每个特征的权重;然后...     

基于理想度的故障样本集评估优选方法研究

针对测试性验证试验中多次抽样得到的样本集存在随机误差的问题,提出基于理想度的故障样本集评估优选方法.首先确定了样本集评估指标体系,利用信息熵法确定了各个指标的权重,然后通过建立优化理想度模型来描述故障样本集的代表性.应用表明,该方法可以有效地评估故障样本集,指导故障样本的选取,结论分析表明该方法相比已有方法更加合理,工程适用性更高.     

邻域保持嵌入—加权k近邻故障检测算法及其在半导体蚀刻过程中的应用

为了解决复杂的多模态过程故障检测问题,提出了邻域保持嵌入-加权k近邻规则（neighborhood preserving embedding-weighted k-nearest neighbors,NPE-wkNN）质量监控方法.首先,利用邻域保持嵌入（neighborhood preserving embedding,NPE）得到特征空间中数据的流形结构;然后,在特征空间中确定每个样本第k近邻的前K近邻集并计算样本的权重.最后,将样本的加权距离作为统计量对过程进行质量监控.NPE-wkNN方法在保持原始数据近邻结构的同时降低了计算复杂度,除此之外,权重规则消除了数据的多模态特征,从而提高了过程故障检测率.通过数值实例和半导体蚀刻工艺仿真实验,对比了传统的主元分析（principal component analysis,PCA）、NPE、k近邻（k-nearest neighbor,kNN）、加权k近邻（weighted kNN,wkNN）等方法,结果验证了本文方法的有效性.     

基于GRA-GCRITIC和改进加权双向投影的区间Fermatean模糊多属性群决策方法

针对司法案件决策环境的复杂性及评价信息的模糊性,提出一种基于GRA-GCRITIC（grey relational analysis-group criteria importance through intercriteria correlation）和改进加权双向投影的区间Fermatean模糊Hamacher-TODIM多属性群决策方法。首先考虑到各位专家对各评价方案下各指标评价信息的差异性,提出一种GRA-GCRITIC方法,该方法将灰色关联融入到CRITIC中,以确定指标综合权重比单一获取的指标权重更加客观可靠。其次,结合信任关系对加权双向投影法进行改进,兼顾主客观关系,利用专家个体与群体评价信息的隶属度及非隶属度矩阵间的相似度得到专家权重。最后,考虑到决策者的损失规避心理,将融合了Hamacher算子的TODIM方法拓展至区间Fermatean模糊环境中,通过具体算例可得到其综合优势度及排序,验证了所提方法的可行性及灵活性。     

多属性决策中赋权方法的自适应选择研究

为解决多属性决策中众多赋权方法难以选择的问题,对主客观权值向量冲突因子与评估结果精度的相关性进行了分析,进而提出了一种基于冲突阈值的自适应选择算法。通过实验仿真,结果表明：该算法消除了主、客观权值向量冲突对评估结果的影响,提高了计算精度,实现了基于冲突阈值的自适应选择。而且,当冲突因子小于阈值时,自适应选择算法将选择算法时间复杂度低于乘法合成原理的综合赋权法。当冲突因子大于阈值时,选择计算结果准确度高的基于博弈论的综合赋权法。     

基于加权多属性云的服务信任评估方法

针对云计算环境中服务信任的随机性和模糊性以及现有基于云模型的信任评估方法对时效性和推荐信任考虑不足的问题,提出一种基于加权多属性云的服务信任评估方法。首先,引入时间衰减因子为每次服务评价赋权重,从服务的多个属性细化信任评估粒度,通过加权属性信任云逆向生成器得到直接信任云;然后,根据评价相似度确定推荐实体的推荐权重,并计算得到推荐信任云;最后综合直接信任云和推荐信任云生成综合信任云,通过云相似度计算确定服务的信任等级。仿真结果表明,所提方法明显提高了服务交互成功率并有效抑制恶意推荐,能够更加真实地反映云计算环境中服务信任情况。     

样本不均衡条件下设备健康度评估方法

为了保障设备稳定可靠运行,减少设备故障,针对大多数设备采集样本不均衡的现状,提出了利用动态权重的支持向量数据描述(SVDD)方法对设备健康度进行评估。该方法首先利用设备正常健康数据进行SVDD单类学习;然后利用少量各种健康状态的数据样本计算SVDD模型超球面距离,结合其评估的健康度,使用二项式回归算法得到健康度拟合曲线,实现了健康度准确评估模型。在计算过程中,所有样本进行了指数变权的动态权重处理以提高准确性。最后以某型雷达发射机为例进行了测试验证。结果表明,该方法可实现设备健康状态准确评估,具有不错的实用价值。     

海量数据的相似重复记录检测算法

针对海量数据下相似重复记录检测算法的低查准率和低效率问题,采用综合加权法和基于字符串长度过滤法对数据集进行相似重复检测。综合加权法通过结合用户经验和数理统计法计算各属性的权重。基于字符串长度过滤法在相似检测过程中利用字符串间的长度差异提前结束编辑距离算法的计算,减少待匹配的记录数。实验结果表明,通过综合加权法计算的权重向量更加全面、准确反映出各属性的重要性,基于字符串的长度过滤法减少了记录间的比对时间,能够有效地解决海量数据的相似重复记录检测问题。     

多传感器数据采集系统中的数据融合研究

针对多传感器数据采集系统的准确性与可靠性的要求,提出了单传感器分批估计融合与模糊理论中的相关性函数与加权自适应算法相结合的数据融合方法。首先,对每一只传感器进行分批估计融合,得到了较为可靠的局部决策值。然后,利用模糊理论中的相关性函数,计算出每只传感器与其它传感器的相关程度,并剔除掉那些相关程度较低的传感器的局部决策值。最后,在权的最优分配原则下,利用加权自适应算法对剩下的局部决策值进行数据融合。该方法能在数据先验知识未知的情况下,客观地反映各个传感器的可靠程度。数据分析结果表明:与同类融合方法相比,该方法具有更高的精度。     

基于加权模糊C均值聚类的空预器积灰监测研究

电站空预器积灰会严重影响机组运行经济性.提出加权模糊C均值聚类算法对空预器积灰程度进行监测,该方法计算多维样本中每一维数据的标准差,将其作为权重,计算样本与类心之间的加权欧式距离,降低模糊C均值聚类算法对离群点的敏感度.利用人工数据对该方法进行验证,结果表明,相比于传统模糊C均值聚类算法,提出的方法对离群点识别更加准确...     

直角坐标系中雷达测量方差的计算方法分析

The distributed network system of multi radar target monitoring usually includes polar coordinate system with radar as co- ordinate origin and rectangular coordinate system with command center as coordinate origin. However, due to the complex situation of different radar surrounding airspace environment and radar equipment, large sample standard deviation is prone to occur in the measurement of target distance, azimuth and elevation angle by single radar. In this case, according to the unified rectangular coordi- nate system, target position error transfer method, comprehensive index statistics method and other calculation methods, the mea- surement weight, variance and standard deviation of different coordinate components of the target object are analyzed statistically. After that, the weighted fusion model of multi radar tracks is used to verify the vertical weighted estimation value of limited radar measurement points in rectangular coordinate system, and then the result value of each element state of the target is determined.     

最优加权与递推最小二乘法相结合的多传感器信息融合

为改善多个同类传感器检测目标参数的性能,提出了根据各传感器量测数据品质对量测数据加权处理,并将加权后的数据作为递推最小二乘法的实时量测值的最优加权与递推最小二乘法相结合的多传感器信息融合方法.仿真结果表明,该方法在数据处理的精确性和稳健性方面都优于普通的处理方法.