基于LMKL和OC-ELM的航空电子部件故障检测方法

• Published in: 系统工程与电子技术 no. 6; pp. 1424 - 1432
• Main Authors: 朱敏, 刘奇, 刘星, 许晴
• Format: Journal Article
• Language: Chinese
• Published: 海军航空大学,山东烟台,264001%海军装备部,北京,100841%中国人民解放军92228部队,北京,100010 01.06.2020
• Subjects: 局部多核学习; 故障检测; 一类分类; 超限学习机
• ISSN: 1001-506X
• DOI: 10.3969/j.issn.1001-506X.2020.06.29

V243; 针对航空电子部件故障样本获取困难以及检测准确率不高的问题,提出基于局部多核学习(localized multiple kernel learning,LMKL)和一类超限学习机(one-class extreme learning machine,OC-ELM)的故障检测方法.仅运用正常状态的小样本数据,给出了LMK-OC-ELM的数学表达形式,并在不同的门模型下推导了LMK-OC-ELM中局部核权重的优化方法;在获取局部核权重的基础上,定义了离线故障检测所需的统计检验量与阈值,以便工程实现.将所提方法应用于某型接收机,结果表明,在训练时间可控的前提下,与4种常见的一类分类(one-class classification,OCC)算法相比,所提方法可均衡地提高召回率、查准率和特异度,以LMK-OC-ELM-sig为代表,其在F1、曲线下方面积(area under curve,AUC)、G-mean和准确率4个指标上,比最近提出的局部多核异常检测(localized multiple kernel anomaly detection,LMKAD)方法分别提高了1.60％、1.57％、1.53％和2.23％.