一种基于KPCA-IBWO-KELM的陀螺仪组状态评估方法

本发明涉及陀螺仪组状态评估技术领域，公开一种基于KPCA‑IBWO‑KELM的陀螺仪组状态评估方法，采集陀螺仪组从正常运行状态到故障状态的检测口电压信号数据；通过核主成分分析KPCA对采集的数据进行降维处理，作为模型输入的数据集；将模型输入数据集分为测试数据集和训练数据集；对白鲸优化算法BWO进行改进，包括在BWO初始化阶段引入Logistic混沌映射，在BWO开发阶段引入非线性惯性权重因子增强算法全局搜索能力并在开发阶段结束后并引入动态反向学习策略跳出局部最优解，探索更多搜索空间，得到改进后的白鲸优化算法IBWO等；本发明可以在故障诊断的过程中更加高效准确，为陀螺仪组的维护提供技术支持，弥补了在训练过程中参数选择的盲目性的缺陷。