针对发动机性能评估参数存在多重共线性且数量过多的问题,提出一种依据类间方差和距离判别的聚类方法。将相似个体化为一类,并取类中均值作为分析对象,大大减少了参数维数;在支持向量数据描述(Support Vector Data Description)算法基础...针对发动机性能评估参数存在多重共线性且数量过多的问题,提出一种依据类间方差和距离判别的聚类方法。将相似个体化为一类,并取类中均值作为分析对象,大大减少了参数维数;在支持向量数据描述(Support Vector Data Description)算法基础上,引入超球体核距离度量,将多参数转化为单参数,解决了参数过多相互矛盾的问题。特征空间上一点与超球体中心的距离表征发动机的性能衰退程度,并给出了性能开始衰退与性能明显恶化的阀值曲线。考虑聚类后类中参数对发动机性能评估的贡献不同,提出基于改进粒子群算法优化多尺度核函数参数和惩罚因子C。仿真结果表明:考虑了多尺度参数后,发动机性能状况较单尺度参数能更好的符合实际使用情况。聚类后多尺度参数与原参数的评估结果基本一致。展开更多
文摘针对发动机性能评估参数存在多重共线性且数量过多的问题,提出一种依据类间方差和距离判别的聚类方法。将相似个体化为一类,并取类中均值作为分析对象,大大减少了参数维数;在支持向量数据描述(Support Vector Data Description)算法基础上,引入超球体核距离度量,将多参数转化为单参数,解决了参数过多相互矛盾的问题。特征空间上一点与超球体中心的距离表征发动机的性能衰退程度,并给出了性能开始衰退与性能明显恶化的阀值曲线。考虑聚类后类中参数对发动机性能评估的贡献不同,提出基于改进粒子群算法优化多尺度核函数参数和惩罚因子C。仿真结果表明:考虑了多尺度参数后,发动机性能状况较单尺度参数能更好的符合实际使用情况。聚类后多尺度参数与原参数的评估结果基本一致。
