基于动态软聚类的航空电子部件LMKELM诊断模型

作者：戴金玲; 许爱强

来源：系统工程与电子技术, 2021, 43(03): 637-646.

• 故障诊断
• 局部密度
• 模糊C算法
• 局部多核学习
• 选通模型

为提高小样本条件下航空电子设备模块级故障诊断精度,基于动态软聚类的自适应特点与局部多核学习(local multiple kernel learning,LMKL)的局部特征表达能力,提出一种新的局部多核超限学习机(local multiple kernel extreme learning machine,LMKELM)诊断模型。通过引入局部密度的概念进行自适应确定聚类数目,并结合模糊C均值聚类对样本进行划分,在充分体现类内多样性的同时,约减了计算复杂度,实现对样本的动态软聚类。通过构造选通函数解决局部权重二次非凸问题,融合近似得到的局部权重与隶属度信息,实现对测试样本的故障诊断。将该模型应用于某型机旋转变压器激励发生电路,实验结果表明,相比于4种前沿的多核学习方法,该算法在漏警率、虚警率方面表现优异,选用的M1与M2选通函数分别将诊断精度平均值提升2.78%和4.37%。