论文部分内容阅读
为了在缺乏故障样本的情况下检测某型液体火箭发动机涡轮泵故障，实现基于不完整信息的状态决策，建立了基于v-支持向量分类器的单类支持向量机新异类检测模型。在分析了模型决策边界、支持向量和约束条件之间关系的基础上，为单类支持向量机引入并改进了序贯最小优化算法，提高了训练效率，解决了大样本训练问题。通过对某型液体火箭发动机涡轮泵历史试车数据的分析，结果表明，所建模型的训练速度得到了很大提高，对涡轮泵状态的检测效果良好。