面向复杂装备的试验因子智能筛选方法研究.pdf
摘要
摘要
影响复杂装备系统试验评估指标的因子有很多，如果针对所有因子开展研
究，试验次数较多，试验成本较高。根据20-80法则，只有少部分因子对系统
输出起到关键作用，大多数因子的影响可以忽略。针对这一问题，本文结合复
杂装备系统的特点，基于数据集分析研究了因子重要度评估问题，为试验人员
提供定量指导，论文的主要研究内容如下：
首先，构建了面向复杂装备系统因子筛选问题的过程模型。分别对无数据
集的试验设计方法和有数据集的预处理方法开展研究，并给出基于当前数据集
的因子重要度评估方法。
其次，针对无目标数据集的试验数据设计问题，给出小子样试验数据获取
的方法。考虑复杂装备系统因子数量大、强非线性等特点，提出基于三点非相
关SB（SequentialBifurcaton）法的因子初筛选方法，可实现定性筛选得到预关
键因子集，并对因子进行初步降维；通过对比分析部分析因设计和LHS（Latin
HypercubeSampling）抽样的空间填充性，结合因子正态分布的特点，提出自适
应Smote（Syntheticminorityover-samplingtechnique）插值算法，对筛选试验的
样本集进行数据增强，从而实现在尽可能少的试验次数下获得空间填充性较好、
数据量较大的数据集的功能。
再次，针对已有目标数据集的试验数据处理问题，应用数据过滤方法剔除
异常样本和异常因子，并给出K-meansSmote数据增强方法解决不同类别间样
本量的不平衡问题。
最后，提出了基于数据集的KRRF（K-means-RFE-RandomForest）因子重
要度评估方法。针对传统方法存在的非线性系统应用效果差、对噪声敏感、需
要补充试验等一系列问题，基于深度学习算法，研究数据特征的选择方法，提
出基于KRRF算法的因子重要度评估方法，仿真结果表明，本文提出的方法适
用于非线性系统、具有抗噪能力强、准确率高、试验效率较高等特点。
关键词：复杂装备系统；智能试验设计；筛选试验；重要度评估；特征选择
-I-
Abstract
Abstract
Therearemanyfactorsaffectingthetestevaluationindexofcomplexequipment
system.Ifallfactorsarestudied,thenumberoftestsismoreandthetestcostis
higher.Accordingtothe20-80rule,onlyafewfactorsplayakeyroleinthesystem
output,andtheinfluenceofmostfactorscanbeignored.Tosolvethisproblem,this
papercombinedwiththecharacteristicsofcomplexequipmentsystemandfromthe
perspectiveofdatasetanalysis,studiedthefactorimportanceevaluationproblem,
soastoprovidequantitativeguidancefortestpersonnel.Themainresearchcontents
areasfollows:
Firstly,aprocessmodelforfactorscreeningofcomplexequipmentsystemis
co