气象雷达系统综合故障诊断技术研究

论文摘要

国内布网的新一代天气雷达系统工作年限均在十年以上,有些已近二十年,部分关键器件老化,故障概率呈上升趋势。当前雷达的维修、故障排查主要依靠雷达厂家及富有维修经验的专家完成,雷达的故障排查时效性难以得到保障。基于知识的故障诊断实际具有多种方法、算法,如神经网络、模糊逻辑、支持向量机、遗传算法等,但由于故障样本数较少造成很多方法难以在天气雷达故障诊断系统中应用。2017年成都信息工程大学研制出一种对雷达工作状态、性能指标进行监测的远程在线系统──天气雷达标准输出控制器,其能够对天气雷达各分系统关键技术参数、性能指标、适配参数等87项雷达状态参数进行实时监测,数据量充足,从而为本故障诊断技术研究提供了数据基础。本文基于江西省吉安市雷达站的天气雷达标准输出控制器的故障报警信息及监测参数采集,使用了逻辑回归、神经网络、支持向量机(SVM)、异常检测与人工合成少数类样本过采样(SMOTE)算法对气象雷达故障诊断技术进行探讨与研究,主要内容有:(1)针对气象雷达目前使用的故障树专家系统提出基于知识和有自学习能力的浅层网络分类模型对故障进行分类,研究了逻辑回归、神经网络与SVM分类算法的原理、特点与其在雷达故障诊断中的实际应用。(2)由于气象雷达业务过程中故障样本标签难以获得,标签的精准标注成本昂贵,不同故障类别之间数据不平衡的特点,研究了具有非监督学习能力的异常检测算法与人工合成少数类样本的过采样技术。(3)针对这三类方法进行融合,在气象雷达故障诊断的背景下,提出一种集成SMOTE少数类样本人工数据合成与异常检测的SVM半监督综合故障诊断方法,同时完成了本方法的实现与分析,通过对比实验,验证了所提出方法的高效性。结果表明,集成SMOTE与异常检测的SVM半监督综合故障诊断方法能够有效地提高在故障样本数据不平衡状态下的故障诊断准确率,但由于故障样本标签准确程度有限,而专家标注成本较为昂贵,需要大量时间与精力,因此本文提出的故障诊断综合方法应用效果不是非常明显。然而通过对比实验仍能验证本算法的优越性,具有较高指导意义并且把气象雷达故障诊断技术提高到一个新的水平。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
•   1.1 选题意义与背景
•   1.2 国内外故障诊断技术的研究现状
•     1.2.1 故障诊断技术的内容及特点
•     1.2.2 故障诊断故障诊断基本方法
•   1.3 本文研究工作及创新点
•     1.3.1 本文研究内容
•     1.3.2 创新点
• 第二章 拟用故障诊断算法理论知识
•   2.1 引言
•   2.2 逻辑回归
•     2.2.1 逻辑回归的假设函数
•     2.2.2 逻辑回归的参数估计
•     2.2.3 逻辑回归的多分类模型
•   2.3 神经网络
•     2.3.1 神经网络模型
•     2.3.2 神经网络模型的局限性
•   2.4 支持向量机
•     2.4.1 最大间隔分类器
•     2.4.2 核函数映射
•   2.5 异常检测
•     2.5.1 异常检测算法模型
•     2.5.2 异常检测算法评估
•     2.5.3 异常检测多元高斯分布模型
•   2.6 SMOTE算法
•   2.7 本章小结
• 第三章 基于WRSOC的气象雷达数据分析与特征选择
•   3.1 引言
•   3.2 天气雷达标准输出控制器
•   3.3 数据采集与分析
•   3.4 特征选择
•   3.5 本章小结
• 第四章 雷达故障诊断的算例模型建立与分析
•   4.1 引言
•   4.2 气象雷达故障诊断的分类算法模型
•     4.2.1 逻辑回归故障诊断模型
•     4.2.2 神经网络故障诊断模型
•     4.2.3 支持向量机
•     4.2.4 分类算法实验结果
•   4.3 异常检测
•   4.4 SMOTE过采样数据扩增技术
•   4.5 本章小结
• 第五章Matlab综合故障诊断算法仿真
•   5.1 引言
•   5.2 综合故障诊断模型
•   5.3 实验仿真
•     5.3.1 实验数据
•     5.3.2 训练结果
•     5.3.3 实验测试结果
•   5.4 本章小结
• 第六章 总结与展望
•   6.1 主要研究工作及成果
•   6.2 工作展望
• 参考文献
• 作者在读期间科研成果
• 致谢
• 附录一
• 附录二

文章来源

类型: 硕士论文

作者: 徐颂捷

导师: 何建新

关键词: 天气雷达,故障检测,支持向量机,异常检测,过采样数据扩增技术

来源: 成都信息工程大学

年度: 2019

分类: 基础科学,信息科技

专业: 气象学,电信技术,自动化技术

单位: 成都信息工程大学

分类号: TN959.4;TP277

DOI: 10.27716/d.cnki.gcdxx.2019.000144

总页数: 70

文件大小: 4568K

下载量: 52