覆盖机器学习理论、实现技术及其在航空发动机监控诊断中的应用研-东篱科研大数据发现系统（DRDS）

位置：立项数据库 > 立项详情页

覆盖机器学习理论、实现技术及其在航空发动机监控诊断中的应用研

项目名称：覆盖机器学习理论、实现技术及其在航空发动机监控诊断中的应用研
项目类别：联合基金项目
批准号：60672179
申请代码：F01
项目来源：国家自然科学基金
研究期限：2007-01-01-2007-12-31

项目负责人：李应红
负责人职称：教授
依托单位：中国人民解放军空军工程大学
批准年度：2006

中文摘要：

目前应用的航空发动机监控诊断手段大多功能简单、智能化程度较低，与对飞行安全性要求日益提高的现状不相称，因此急切需要研究监控诊断新理论和支持技术。本项目试图从认知的角度，结合图形学、拓扑学和计算数学等学科，提出一种新的认知型机器学习理论（称为覆盖机器学习），并应用于发动机监控诊断领域。主要研究①"认知"覆盖分类算法在样本空间中构造任意复杂的几何边界覆盖同类样本模拟"认"功能；检测样本是否位于复杂

中文主题词：航空发动机;监控诊断;覆盖；机器学习;模式识别

英文摘要：

aeroengine; monitoring & diagn

英文主题词： aeroengine; monitoring & diagn

结论摘要：

目前应用的航空发动机监控诊断手段大多功能简单、智能化程度较低，与对发动机安全性日益提高的要求不相称，因此急需发展监控诊断新理论和支持技术。本项目从认知的角度，结合图形学、拓扑学和计算数学等学科知识，提出一种新的认知型机器学习方法（称为覆盖机器学习），并应用于航空发动机监控诊断。主要研究①"认知"覆盖分类算法在样本空间中构造任意复杂的几何边界覆盖同类样本模拟"认识"功能，检测样本是否位于复杂决策边界内模拟"辨认"功能；②从数学规划算法入手，研究实现技术；③覆盖机器学习在发动机监控诊断中的应用。该项目解决的难点和关键问题在于对"认""知"的数学建模。所提出的方法和实现技术的优点是智能化程度高，具有一定的自主学习能力，易扩充，尤其适用高维大规模机器学习问题。该项目的成功实施，对于丰富机器学习研究领域，发展航空发动机监控诊断理论，提高监控诊断的准确性和智能化程度具有积极意义。

成果综合统计