|
|
1.
迁移学习下的火箭发动机参数异常检测策略
张晨曦, 唐曙, 唐珂
计算机应用
2020, 40 (9):
2774-2780.
DOI: 10.11772/j.issn.1001-9081.2020010114
在火箭飞行时的参数异常检测中，传统红线法的漏报率和误报率较高，专家系统法的维护成本过高，而机器学习受制于数据集规模难以训练模型，因此提出了分别基于实例和基于模型的两种迁移策略。为了对YF-77新型发动机的关键参数氧泵转速进行实时监测，在分析具有相同构造原理的YF-75与YF-77氢氧发动机的参数组成和数据特点后，处理领域差异，构建特征空间，并筛选特征向量。对YF-75向YF-77分别进行了实例和模型的迁移，并进行了实验验证。对比无迁移的
k最近邻（
kNN）与支持向量机（SVM）方法，迁移训练后的模型的漏报率从最高58.33%降至最低12.25%，误报率从最高60.83%降至最低13.53%。实验结果验证了两型发动机之间信息的可迁移性，以及迁移学习在航天领域工程实践中应用的可能性。
参考文献 |
相关文章 |
多维度评价
|
|
