【技术实现步骤摘要】
本专利技术涉及故障诊断，特别涉及一种基于数据融合与k均值的关键设备健康状态判别方法。
技术介绍
1、健康状态判别是故障诊断的重要环节，尤其在航空装备中，对各设备的健康状态准确判别能够保障系统的稳定运行。随着数据采集技术和处理技术的快速发展，基于数据融合和机器学习的健康状态判别方法受到了广泛的关注。
2、现有的健康状态判别方法多数依赖于人工设定的特征，以及对数据标签的大量需求，这在大量无标签样本和极少量有标签样本，即弱监督条件下的实际运行场景中，面临着严峻的挑战。一方面，对于高维度的飞行参数，如何有效地挖掘出有价值的、强线性相关的参数序列，以及如何处理和融合这些参数，是一项复杂的任务。另一方面，建立有效的健康状态判别模型需要大量的有标签样本进行训练，然而在实际中获取足够的标签样本却是一项困难的工作。
技术实现思路
1、本专利技术提供一种基于数据融合与k均值的关键设备健康状态判别方法，以便解决设备的健康状态判别难以准确和及时的问题，若仅仅依赖单一或少数参数进行判断，无法全面准确地评...
【技术保护点】
1.一种基于数据融合与K均值的关键设备健康状态判别方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述无人机系统包含刹车分系统关键设备、液压分系统关键设备。
3.根据权利要求2所述的方法，其特征在于，所述获取无人机系统的多个飞行参数，并从所述多个飞行参数中筛选出具有强相关性的飞行参数对包括：
4.根据权利要求3所述的方法，其特征在于，所述利用主成分分析法对所述具有强相关性的飞行参数对进行信息提取，得到健康状态融合特征数据包括：
5.根据权利要求4所述的方法，其特征在于，所述基于K-均值算法构建健康状态...
【技术特征摘要】
1.一种基于数据融合与k均值的关键设备健康状态判别方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述无人机系统包含刹车分系统关键设备、液压分系统关键设备。
3.根据权利要求2所述的方法，其特征在于，所述获取无人机系统的多个飞行参数，并从所述多个飞行参数中筛选出具有强相关性的飞行参数对包括：
4.根据权利要求3所述的方法，其特征在于，所述利用主成分分析法对所述具有强相关性的飞行参数对进行信息提取，得到健康状态融合特...
【专利技术属性】
技术研发人员：程玉杰，周安，武锐鹏，吕琛，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。