%A 逯程1,徐廷学1,王虹2 %T 基于属性粒化聚类与回声状态网络的末制导雷达故障诊断 %0 Journal Article %D 2018 %J 上海交通大学学报 %R 10.16183/j.cnki.jsjtu.2018.09.016 %P 1112-1119 %V 52 %N 9 %U {https://xuebao.sjtu.edu.cn/CN/abstract/article_41640.shtml} %8 %X 为了提高末制导雷达故障诊断的效率和精度,提出一种基于属性粒化聚类与回声状态网络(ESN)的故障诊断方法.定义一种基于属性值影响度的属性区分能力测量指标,并以此作为相似性度量依据,利用近邻传播(AP)聚类算法得到区分能力相当的若干属性粒,通过选取聚类中心属性来完成故障征兆属性的约简;在储备池构建中,采用Bienenstock-Cooper-Munro (BCM)规则进行连接权矩阵的预训练,在目标函数中添加L1/2范数惩罚项,以提高ESN储备池对样本的动态适应性;同时,采用半阈值迭代法对模型进行求解,通过末制导雷达信号处理模块的故障诊断实例,验证了所提方法的有效性和优越性.结果表明:与BP神经网络和传统ESN模型相比,所提方法的稳定性及诊断准确率更高;将其与基于属性重要度和AP聚类的属性粒化约简算法相结合,能够进一步提高故障诊断的效率和精度,其仿真实验的训练时间仅为 8.98s,诊断正确率可达 95.2%.