近年来，电子产品的故障诊断与故障预测主要采用健康管理与故障预测(PHM) 技术, 但要准确预测其健康状态还是很难。以此为出发点，构建交换模块的状态预测模型，首先对训练数据进行预处理和统计分析，通过相关性分析初步得到影响交换模块状态的特征参数，通过特征选择进一步确定特征，然后通过算法比较选择机器学习算法中的K 最近邻分类算法，通过参数优化最终得到交换模块状态预测模型。采用该方法进行了应用验证，获得交换模块状态预测准确度为99.8%，达到了较好的预测效果和精度。

网站会员需要登录才能在线预览，点我登录。

如何成为网站会员>>