基于天气雷达标准输出控制器的故障诊断方法研究

论文摘要

根据天气雷达标准输出控制器采集的雷达关键指标数据,提出了一种具有自学习且半监督作用的异常检测与支持向量机(SVM)的联合故障诊断方法,实现天气雷达运行状态评估与故障检测定位。针对采集数据,首先使用异常检测算法建立概率模型,计算样本落入正常范围的概率,实现非正常样本的识别;其次,以所得样本的概率值作为支持向量机模型的新增特征,建立SVM分类器,对故障进行诊断。经实验表明与传统的逻辑回归、神经网络的分类方法相比,在小样本且各类别训练数据正负偏离过大的情况下,此方法能够更准确、高效地诊断雷达故障。

论文目录

• 0 引言
• 1 异常检测
• 2 支持向量机
•   2.1 最大间隔分类器
•   2.2 核函数
• 3 模型实现
•   3.1 异常检测模型实现
•   3.2 支持向量机分类器模型实现
• 4 仿真与验证
• 5 结束语

文章来源

类型: 期刊论文

作者: 徐颂捷,何建新,黎志波,张福贵

关键词: 雷达系统,故障诊断,异常检测,支持向量机

来源: 成都信息工程大学学报 2019年03期

年度: 2019

分类: 信息科技,基础科学

专业: 气象学

单位: 成都信息工程大学电子工程学院,江西省大气探测技术中心

基金: 国家重点研发计划资助项目(2018YFC1506100)

分类号: P415.2

DOI: 10.16836/j.cnki.jcuit.2019.03.009

页码: 257-262

总页数: 6

文件大小: 1117K

下载量: 39